یادگیری عمیق برای تشخیص سرطان پستان با مدل DenseNet

سال انتشار: 1402
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 33

فایل این مقاله در 5 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CSCG05_021

تاریخ نمایه سازی: 9 اردیبهشت 1403

چکیده مقاله:

مقاله حاضر به بررسی و ارائه روشی نوین برای تشخیص سرطان متمرکز است که از پردازش تصویر با استفاده از شبکه های عصبی DenseNetبهره می برد. این روش از الگوریتم های پیشرفته یادگیری عمیق برای تحلیل تصاویر با دقت بالا استفاده می کند.در این مقاله، به بررسی مزایای استفاده از شبکه های عصبی DenseNet برای تشخیص زودرس سرطان پرداخته می شود. این روش نه تنها بهبود دقت تشخیص را افزایش می دهد بلکه قابلیت تفسیرپذیری بالا و سرعت پردازش مناسبی نیز دارد.همچنین، این مقاله به بررسی مجموعه داده های استفاده شده می پردازد. نتایج حاصل از این تحقیق نشان می دهد که روش ارائه شده قادر به تشخیص دقیق و زودرس سرطان است و به عنوان یک ابزار موثر در پزشکی می تواند به بهبود درمان و پیشگیری این بیماری مهم کمک کند.

کلیدواژه ها:

سرطان سینه ، ، شبکه عصبی کاتولوشن عمیق ، ، معماری DenseNet ، ، یادگیری عمیق.

نویسندگان

زهره درانی

گروه مهندسی برق- دانشگاه پیام نور- تهران- ایران.