چکیده مقاله
بیماران مختلفی که همگی مبتلا به یک نوع سرطان هستند واکنش های متفاوتی نسبت به یک نوع شیوه درمانی از خود بروز می دهند، به همین خاطر پزشکان در دوراهی غاضمی قرار می گیرند و نمی دانند چگونه باید نسب به تعیین درمانی که بهترین پاسخ را برانگیزد اقدام نمایند در این پژوهش ابتدا داده های مربوط به بیماران گردآوری شده است همچنین مدلی برای دسته بندی تصاویر مربوط به این بیماران توسعه یافته است در این مدل از شبکه Unet مبتنی یادگیری عمیق نظارتی استفاده شده است در این شبکه پیش بینی برای هر پیکسل ایجاد می شود و اطلاعات مکانی ورودی اصلی باقی می ماند در نهایت، دسته بندی پیکسل به پیکسل بر روی نقشه ویژگی خروجی لایه برای دستیابی به دسته بندی در سطح پیکسل انجام می شود این مدل، می تواند تصاویر ورودی با هر انداره ای را بپذیرد زیرا هیچ لایه کاملا متصل وجود ندارد علاوه بر آن، چون در این مدل، در زمان آموزش و پیش بینی از بلوک های تصویر در اطراف پیکسل به عنوان ورودی استفاده نمی کند، دقت تقسیم بندی بهبود یافته است و سربار ذخیره سازی کاهش می یابد
کلیدواژهها
نویسندگان
محمدحسین مدیرروستا
دانشجوی مهندسی برق گرایش کنترل دانشگاه صنعتی خواجه نصیر
کیمیا شیرینی
دانشجوی دکتری مهندسی کامپیوتر، دانشگاه تبریز
محمد احمدی گنجی
ارشد مهندسی کامپیوتر، دانشگاه شیراز
شیوه ارجاع
مدیرروستا، محمدحسین و شیرینی، کیمیا و احمدی گنجی، محمد،1400،تشخیص سرطان سینه با استفاده از روش یادگیری عمیق نظارتی (UNET)،یازدهمین کنفرانس ملی مهندسی برق ،کامپیوتر و مکانیک،شیروان
ارائهشده در
کنفرانس ملی مهندسی برق ،کامپیوتر و مکانیک7 مهر 1405 · شیروان