شناسایی بیماری ذات الریه با استفاده از شبکه عصبی کانولوشنی (CNN)

سال انتشار: 1401
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 380

فایل این مقاله در 6 صفحه با فرمت PDF و WORD قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NEEC06_021

تاریخ نمایه سازی: 30 تیر 1401

چکیده مقاله:

ذات الریه از دسته بیماری های اختلال در سیستم تنفسی بدن است ، وجود محدودیت هایی ازجمله کمبود نیروی انسانی متخصص، زمان بر بودن تشخیص این بیماری، دلایلی است که ما را به فکر خودکار سازی روند تشخیص این بیماری می اندازد. در این مقاله از معماری های مختلف شبکه های عصبی کانولوشنی در یادگیری عمیق برای انجام طبقه بندی بر روی تصاویر سی-تی-اسکن ریه استفاده شده است که شامل استفاده از شبکه های کانولوشنی، VGG و InceptionResNetV۲ می باشد. درنهایت با استفاده از ویژگی های سطح بالای موجود در داده ها و یادگیری انتقالی، این مدل به صحت %۹۷ رسیده است.

کلیدواژه ها:

یادگیری عمیق ، ذات الریه ، شبکه های عصبی کانولوشنی ، طبقه بندی

نویسندگان

سیدامیررضا کبودیان

دانشجوی کارشناسی مهندسی کامپیوتر، دانشکده فنی مهندسی، واحد خوراسگان، دانشگاه آزاد اسلامی، اصفهان، ایران

نیما رجائیان

دانشکده مهندسی برق، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران عضو مرکز تحقیقات پردازش دیجیتال و بینایی ماشین، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران