استفاده از شبکه های عصبی یادگیری عمیق در تشخیص درجه بدخیمی سرطان پروستات و تشخیص سرطان سینه
عنوان مقاله: استفاده از شبکه های عصبی یادگیری عمیق در تشخیص درجه بدخیمی سرطان پروستات و تشخیص سرطان سینه
شناسه ملی مقاله: JR_MJMS-61-5_001
منتشر شده در شماره 5 دوره 61 فصل در سال 1397
شناسه ملی مقاله: JR_MJMS-61-5_001
منتشر شده در شماره 5 دوره 61 فصل در سال 1397
مشخصات نویسندگان مقاله:
صابر فولادی - دانشجوی کارشناسی ارشد، دانشکده برق و کامپیوتر، دانشگاه بیرجند، بیرجند
حسن فرسی - استاد، دانشکده برق و کامپیوتر، دانشگاه بیرجند، بیرجند
سجاد محمدزاده - استادیار، دانشکده مهندسی برق و کامپیوتر، دانشگاه بیرجند، بیرجند، ایران
خلاصه مقاله:
صابر فولادی - دانشجوی کارشناسی ارشد، دانشکده برق و کامپیوتر، دانشگاه بیرجند، بیرجند
حسن فرسی - استاد، دانشکده برق و کامپیوتر، دانشگاه بیرجند، بیرجند
سجاد محمدزاده - استادیار، دانشکده مهندسی برق و کامپیوتر، دانشگاه بیرجند، بیرجند، ایران
مقدمه در سالهای اخیر علاقه به پژوهش در زمینه بهکارگیری الگوریتمهای هوشمند در تشخیص و طبقهبندی بیماریها به ویژه سرطان، به شدت افزایش یافته است. طبقهبندی تومور یک کار مهم در تشخیص پزشکی محسوب میشود. روشهای محاسبات نرمافزاری به دلیل عملکرد طبقه بندی آنها در تشخیص بیماریهای پزشکی اهمیت زیادی دارند. تشخیص و طبقهبندی تصاویر پزشکی یک کار چالش برانگیز است. روش کار برای تشخیص درجه بدخیمی سرطان پروستات و خوشخیم یا بدخیم بودن سرطان سینه از طبقهبندی کننده شبکه عصبی عمیق به کمک فریمورک تنسورفلو و بهرهگیری از کتابخانه کراس استفاده شده است. در مرحله آموزش، تصاویر آموزشی به همراه کلاس خروجی آن برای شبکه در نظر گرفته میشود. حین آموزش وزنهای فیلتر در هر تکرار بهروز میشوند. بهنحویکه بعد از چندین تکرار وزن های بهینه بهروز میشوند و شبکه آموزش میبیند تا بهترین ویژگی را از تصاویر استخراج کند. نتایج روش پیشنهادی در این تحقیق که بر پایه شبکه های عصبی عمیق است، با توجه به استخراج ویژگی های موثرتر و دقیق تر، دقت تشخیص 83/95 %و 5/99 %به ترتیب در سرطان سینه و سرطان پروستات را فراهم می آورد که نسبت به روش های موجود باعث افزایش بیش از 7% در دقت تشخیص گردیده است. نتیجهگیری سرطان یکی از شایعترین بیماریهای پیشرونده در جهان است. سرطان در سلولها آغاز میشود که پایههای ساختمانی اولیه هستند که بافت را تشکیل میدهند. یکی از چالشهای موجود در تکنیکهای تشخیص تصاویر پزشکی، مشکل در تجزیه و تحلیل بافتهای متراکم است. با توجه به اینکه تشخیص توسط انسان زمانبر و دارای احتمال خطای بیشتری است، محققان در تلاش بودهاند تا با الگوریتمهای مختلف تشخیص را به صورت اتوماتیک انجام دهند.
کلمات کلیدی: یادگیری عمیق, سرطان پروستات, سرطان سینه, استخراج ویژگی
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/895910/