Segmentation of Breast Cancer using Convolutional Neural Network and U-Net Architecture
محل انتشار: مجله هوش مصنوعی و داده کاوی، دوره: 11، شماره: 3
سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 42
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JADM-11-3_011
تاریخ نمایه سازی: 20 دی 1402
چکیده مقاله:
Breast cancer is a disease of abnormal cell proliferation in the breast tissue organs. One method for diagnosing and screening breast cancer is mammography. However, the results of this mammography image have limitations because it has low contrast and high noise and contrast as non-coherence. This research segmented breast cancer images derived from Ultrasonography (USG) photo using a Convolutional Neural Network (CNN) using the U-Net architecture. Testing on the CNN model with the U-Net architecture results the highest Mean Intersection over Union (Mean IoU) value in the data scenario with a ratio of ۷۰:۳۰, ۱۰۰ epochs, and a learning rate of ۵x۱۰-۵, which is ۷۷%, while the lowest Mean IoU in the data scenario with a ratio ۹۰:۱۰, ۵۰ epochs, and a learning rate of ۱x۱۰-۴ learning rate, which is ۶۴.۴%.
کلیدواژه ها:
نویسندگان
Saiful Bukhori
Computer Science Department, University of Jember, Indonesia.
Muhammad Bariiqy
Computer Science Department, University of Jember, Indonesia.
Windi Eka Y. R
Computer Science Department, University of Jember, Indonesia.
Januar Adi Putra
Computer Science Department, University of Jember, Indonesia.
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :