یک رویکرد جدید مبتنی بر یادگیری عمیق و الگوریتم XGBoost به منظور تشخیص سرطان سینه خوش خیم و بدخیم
سال انتشار: 1400
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 588
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
COMCONF08_166
تاریخ نمایه سازی: 28 بهمن 1400
چکیده مقاله:
چکیده
سرطان سینه به نوعی از سرطان گفته می شود که از بافت پستان آغاز می شود. نشانه های این سرطان شامل توده در پستان، تغییر در شکل ظاهری، فرورفتگی های کوچک پوستی، خروج مایع از نوک پستان، نوک فرورفته پستان یا پوست قرمز و خشک (پوسته پوسته) پستان باشد. در بیماران دچار متاستاز، دردهای استخوانی، تورم و بزرگی غدد لنفاوی، تنگی نفس یا زردی هم ممکن است دیده شود. در این مقاله یک سیستم اتوماتیک برای تشخیص سرطان سینه حتی با درصد بسیار پایین و از طریق تصاویر هیستوپاتولوژیکال و شبکه عصبی عمیق از پیش آموزش دیده ارائه شده است. روش پیشنهادی از الگوریتم XGBoost به منظور دسته بندی استفاده می کند. نتایج ارزیابی روش پیشنهادی نشان می دهد که این روش به نسبت روش های دیگر دارای دقت بالایی بوده و از آنجایی که نیاز به آموزش شبکه عصبی عمیق ندارد، پیچیدگی محاسباتی پایینی دارد.
کلیدواژه ها:
نویسندگان