تشخیص تومور کبدی با استفاده از یادگیری عمیق مبتنی بر SU-Net و تصاویر MRI
عنوان مقاله: تشخیص تومور کبدی با استفاده از یادگیری عمیق مبتنی بر SU-Net و تصاویر MRI
شناسه ملی مقاله: STCONF05_281
منتشر شده در پنجمین همایش ملی فناوریهای نوین در مهندسی برق، کامپیوتر و مکانیک ایران در سال 1401
شناسه ملی مقاله: STCONF05_281
منتشر شده در پنجمین همایش ملی فناوریهای نوین در مهندسی برق، کامپیوتر و مکانیک ایران در سال 1401
مشخصات نویسندگان مقاله:
سید مجتبی محسنی صبر جو - دانشجوی ارشد مهندسی پزشکی موسسه آموزش عالی سراج
نادر وحدانی مناف - استاد گروهمهندسی پزشکی،دانشکده مهندسی پزشکی ،موسسه آموزش عالی سراج
خلاصه مقاله:
سید مجتبی محسنی صبر جو - دانشجوی ارشد مهندسی پزشکی موسسه آموزش عالی سراج
نادر وحدانی مناف - استاد گروهمهندسی پزشکی،دانشکده مهندسی پزشکی ،موسسه آموزش عالی سراج
سرطان کبد ششمین سرطان شایع در سراسر جهان است. بیشتر با MRI تشخیص داده می شود. امروزه از روش های یادگیریعمیق برای تقسیم بندی کبد و تومور آن از تصویربرداری تشدید مغناطیسی MRI استفاده می شود. این تحقیق عمدتا بر جداسازیکبد و تومور از MRI شکم با استفاده از روش یادگیری عمیق و به حداقل رساندن تلاش و زمان مورداستفاده برای تشخیص سرطانکبد متمرکز بود.در این تحقیق الگوریتم بر اساس معماری SU-Net است که نتایج نشان می دهد با استفاده از این الگوریتم مقدار DSC برای ناحیه کبد و محل ضایعه به ترتیب ۹۹.۸۹۵% و ۹۷.۲۸% به دست آمد و همچنین مقدار صحت برای کبد و محل ضایعه به ترتیب ۹۹.۸۳% و ۹۹.۴۲% می باشد. دیتاست مورد استفاده Lits Liver Kaggel می باشد که ۲۷ % داده ها برای آموزش و ۹۷ % برای تست استفاده شده است.
کلمات کلیدی: بیماری کبد، سرطان کبد، تشخیص تومور، SU-Net ، یادگیری عمیق
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1538301/