بهبود کیفیت تصاویر میکروسکوپ هم کانون لیزری با استفاده از شبکه عصبی یونت

سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 233

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_SEE-8-2_010

تاریخ نمایه سازی: 11 تیر 1402

چکیده مقاله:

سرطان سینه بدلیل رشد غیر قابل کنترل سلول های غیرطبیعی در سینه ایجاد می شود، در هر دو نوع تومور خوش خیم و بدخیم، رشد سریع و زیاد سلول ها وجود دارد .با توجه به روند سریع تکنولوژی، تشخیص بیماری ها از حالت تهاجمی خارج شده و تلاش پزشکان و متخصصان بر این بوده است تا به استفاده از تصاویر پزشکی و بررسی آن ها مرحله تشخیص را انجام و کاهش دهند. هدف از این مطالعه بررسی روشی جهت تشخیص سلول های سرطانی با استفاده از شبکه عصبی مصنوعی و بهبود کیفیت تصاویر بدست آمده از سلول های سرطانی می باشد. بر اساس اطلاعات پایگاه داده های تصاویر دیجیتال از آزمایشگاه پاتولوژی دانشگاه روان[۱] آمریکا می باشد. در پیش زمینه این مطالعه در ابتدا کاربر پس از دریافت تصاویر از میکروسکوپ کانفوکال در باند های لیزری متفاوت، جهت تشخیص لبه و افزایش کیفیت تصاویر، آن ها را با استفاده از نرم افزار image jبصورت دستی در حجم داده های بزرگ به بررسی و تحقیق می پرداختند. در این پژوهش با استفاده از آموزش شبکه عصبی می توان داده های مورد نظر را لبه یابی و با افزایش کیفیت تصاویر صحت و دقت را برای بدست آوردن داده ها معنا دار به مراتب بالا برد. جامعه آماری مورد بررسی از رفتار سلول های سرطان سینه ۶۰۰ تصویر خام و محو از داده می باشد. گروهی از تصاویر را به عنوان داده های آموزش دارای برچسب یا لیبل به شبکه عصبی می دهیم و سپس گروهی از آن ها را برای آزمایش آموزش شبکه عصبی یونت استفاده می کنیم. شبکه عصبی استفاده شده در این پژوهش با استفاده از تصاویر پزشکی دیگر از قبل آموزش دیده می باشد که این امر موجب افزایش سرعت و دقت بالا در تشخیص سلول ها و افزایش کیفیت تصاویر سلولی شده است. افراد متخصص در حوزه پردازش تصویر بر روی نمایش سلول های سرطانی و نمایش اندازه و لبه آن ها تلاش می کنند تا با استفاده از شبکه عصبی، تشخیص و ابعاد دقیق سلول ها را بدست آورند. بررسی تصاویر بصورت پیکسل به پیکسل توسط شبکه عصبی صورت می گیرد و سپس در اختیار محققان در این حوزه قرار دهند. یکی از چالش­های موجود در تکنیک­های تشخیص تصاویر پزشکی، مشکل در تجزیه و تحلیل بافت­های متراکم می باشد. با توجه به اینکه تشخیص توسط انسان زمان­بر و دارای احتمال خطای بیشتری است، محققان در تلاش بوده­اند تا با استفاده از الگوریتم­های مختلف تشخیص را به صورت اتوماتیک انجام دهند تا به صحت و دقت بالایی دست یابند

نویسندگان

زهرا نداف

نویسنده مسئول