استفاده از شبکه عصبی لاسونت برای رده بندی تصاویر پزشکی

چکیده مقاله

کاربرد گسترده داده های بعد بالا که در آن تعداد متغیرها بیشتر از تعداد نمونه ها است استفاده از رویکرد انتخاب متغیر را برای کشف رابطه میان متغیرهای پیشگو و متغیر پاسخ ضروری ساخته است روش کمترین انقباض مطلق و عملگر انتخاب یا لاسو از محبوب ترین شیوه های انتخاب متغیر بوده که دارای ویژگی تنکی است به این مفهوم که محقق بعد از اعمال آن به مدلی می رسد که تنها ضرایب تعداد محدودی از متغیرها غیر صفر است به نظر می رسد که بهره گیری از ابزار مفید اصل تنکی در شبکه های عصبی می تواند منجر به جلوگیری از پیش برازش و کاهش بار محاسباتی شود بر همین اساس روش لاسونت برای استفاده از لاسو در شبکه های عصبی با انتخاب متغیر تنک معرفی شد در این مقاله به معرفی و پیاده سازی این روش برای رده بندی تصاویر سونوگرافی با هدف تشخیص سرطان پرداخته می شود

کلیدواژه‌ها

نویسندگان

رها بهزادی فردا

دانشجوی کارشناسی ارشد گروه آمار دانشگاه تربیت مدرس، تهران

موسی گلعلی زاده

دانشیار گروه آمار دانشگاه تربیت مدرس، تهران

�هزادی فردا، رها و گلعلی زاده، موسی،1404،استفاده از شبکه عصبی لاسونت برای رده بندی تصاویر پزشکی،دومین کنفرانس بین المللی دو سالانه پیشرفت ها در هوش مصنوعی و علوم داده،بوشهر

ارائه‌شده در

همایش «بسیج، پیشرفت و امنیت پایدار در منطقه جنوب شرق کشور»7 بهمن 1404 · تهران