طراحی یک سیستم CAD برای شناسایی و طبقه‌بندی تومورهای سرطان سینه در تصاویر DCE-MR بر اساس شبکه‌های عصبی کانولوشن سلسله مراتبی
دریافت مدرک
FullText
اندازه فایل:
744.4کیلوبایتنوع فايل (MIME):
PDFنوع مدرک
Textمقاله علمی فارسی
زبان مدرک
فارسیچکیده
در این مقاله، یک سیستم CAD بر اساس شبکه های عصبی کانولوشن سلسله‌مراتبی با ساختاری جدید، جهت ایجاد تمایز بین تومورهای خوش‌خیم و بدخیم در تصاویر MR سینه پیشنهاد شده است. شبکه‌ی عصبی کانولوشن، یک شبکه‌ی سلسله مراتبی عصبی است که بر روی تصاویر دو بعدی اعمال می‌شود و فرآیندهای استخراج ویژگی و طبقه‌بندی را در یک ساختار واحد و کاملاً تطبیقی، ادغام می‌کند. این ساختار می تواند ویژگی های دو بعدی کلیدی را به صورت خودکار استخراج نموده و نسبت به اعوجاجات هندسی و محلی در تصاویر ورودی مقاوم است. در ادامه، نتایج پیاده‌سازی فرآیندهای یادگیری و آزمایش HCNN بر اساس روش‌های بهینه‌سازی گرادیان نزولی و پس‌انتشار عدول‌شونده مورد ارزیابی قرار گرفته و نشان داده شده است که HCNN پیشنهادی با رویکرد یادگیری پس انتشار عدول‌شونده، یک ساختار عصبی سلسله مراتبی کارآمد و مقاوم را جهت طراحی یک سیستم CAD پایه در تصاویر MR سینه ارائه می‌کند بطوریکه از آن می‌توان بطور بالقوه، بعنوان یک مکانیسم برای ارزیابی انواع ناهنجاری‌ها در تصاویر پزشکی استفاده نمود.
کلید واژگان
سرطان سینهتصویربرداری رزونانس مغناطیسی با کنتراست بهبودیافته
سیستم‌های تشخیص به کمک کامپیوتر
شبکه های عصبی کانولوشن سلسله مراتبی
شماره نشریه
1تاریخ نشر
2015-05-221394-03-01
ناشر
معاونت پژوهش و فناوری دانشگاه اصفهانUniversity of Isfahan
سازمان پدید آورنده
کارشناس ارشد مهندسی پزشکی- بیوالکتریک، دانشکده مهندسی برق و کامپیوتر، دانشگاه صنعتی خواجه نصیر- استاد گروه کنترل، دانشکده مهندسی برق و کامپیوتر، دانشگاه صنعتی خواجه نصیر الدین طوسی، تهران، ایران
- استادیار گروه مهندسی پزشکی، دانشکده مهندسی برق و کامپیوتر، دانشگاه صنعتی خواجه نصیر الدین طوسی، تهران، ایران
شاپا
2251-65302252-083X
