مقاله کنفرانسی سال ۱۴۰۱ فارسی

تشخیص تومور مغزی با رویکرد یادگیری عمیق و مکانیزم توجه با استفاده از تصاویر چندوجهیMRI

چکیده مقاله

شناسایی زودهنگام و موفقیت آمیز تومورهای مغزی نقش مهمی در بهبود نتایج درمان و بقای بیمار دارد در حال حاضر،تشخیص ناهنجاری از طریق تصاویر ام آر آی عمدتا به صورت دستی است و نیازمند صرف زمان زیادی است همچنین تکنیک دستی تشخیص نیز مستعد خطا و فرآیند دشواری است که می تواند زندگی بیمار را با خطر روبرو بکند بنابراین، نیاز اساسی به روش های کامپیوتری با دقت بهتر برای تشخیص زودهنگام تومور وجود دارد برای حل این مسائل،مطالعات بر روی تکنیک های مختلف یادگیری ماشین و یادگیری عمیق برای تشخیص تومور مبتنی بر کامپیوتر متمرکز شده اند یادگیری عمیق در مقایسه با الگوریتم های کلاسیک یادگیری ماشینی عملکرد بهتری داشت که از چند سال گذشته به طور گسترده برای ساخت یک مدل اتوماتیک یا ترکیبی برای شناسایی موثر تومور در زمان کمتر و حداکثر دقت مورد استفاده قرار گرفته است هدف اصلی شناسایی کامپیوتری تومور مغزی به دست آوردن اطلاعات بالینی مهم در مورد حضور، محل، نوع و تقسیم بندی دقیق زیرگونه های تومور است در این مقاله،ما عملیات پیش پردازش دقیق و پایداری را بر روی تصاویر ام آر آی اعمال می کنیم که از مهم ترین آن ها می توان به گسترش دامنه شدت تصاویر،جهت بهبود کنتراست اشاره کرد همچنین رویکرد جدیدی با نام مکانیزم توجه را برای از بین بردن مقدار قابل توجهی از اثر پس زمینه در تصاویر و تمرکز بر خود تومور و بافت های اطراف آن جهت تقسیم بندی تومور را ارائه می کنیم ما از یک معماری پیشنهادی Unet ۳D برای بخش بندی دقیق تر تومور مغزی استفاده کردیم در این معماری،رویکرد اصلاح شده مرحله رمزگشا پیشنهاد می شود ما معماری پیشنهادی را برروی مجموعه داده تقسیم بندی تومور مغزی ۲۰۲۰ BRATS اعمال می کنیم نمرات تاس DSC کل تومور WT ،هسته تومور TC و تومور افزایش یافته ET به ترتیب ۸۹ ۸۴% ۸۷ ۱۹% ۸۳ ۷۲% بدست می آیند

کلیدواژه‌ها

ام آر آی یادگیری عمیق تومور مغزی شبکه عصبی کانولوشن

نویسندگان

تصویر احسان قلی پور

احسان قلی پور

دانشجوی کارشناسی ارشد مهندسی صنایع ارومیه،ابتدای جاده بند،دانشگاه صنعتی ارومیه

تصویر کامیار صبری لقائی

کامیار صبری لقائی

دانشیار گروه مهندسی صنایع ارومیه،ابتدای جاده بند،دانشگاه صنعتی ارومیه

شیوه ارجاع

قلی پور، احسان و صبری لقائی، کامیار،1401،تشخیص تومور مغزی با رویکرد یادگیری عمیق و مکانیزم توجه با استفاده از تصاویر چندوجهیMRI،اولین کنفرانس بین المللی و ششمین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوع�

ارائه‌شده در

پوستر مجموعه مقالات دومین کنفرانس بین المللی و هفتمین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوعی مجموعه مقالات دومین کنفرانس بین المللی و هفتمین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوعی8 اسفند 1402 · اهواز
ادامه مسیر پژوهش

مقالات مرتبط

مقاله کنفرانسی سال ۱۴۰۲ ۹۸۴ مشاهده

مروری بر تکنیک های هوش مصنوعی در خودروهای الکتریکی خودران

سیستم های رانندگی خودکار ADS دامنه ای جدید برای صنعت خودرو باز کرده و امکانات نوینی را برای حمل ونقل آین…

LiDARسیستم های خودرانوسایل نقلیه خودران
مقاله کنفرانسی سال ۱۴۰۲ ۹۸۴ مشاهده

مقایسه عملکرد دو مدل شبکه عصبی عمیق BiLSTM و CNN در پیش بینی قیمت سهام (مطالعه موردی: بورس اوراق بهادار تهران)

شبکه های عصبی به عنوان یک پیشرفت تکنولوژیک در زمینه یادگیری عمیق به ویژه در پردازش داده هایساختار بافته…

یادگیری عمیقشبکه های عصبیپیش بینی قیمت سهام
مقاله کنفرانسی سال ۱۴۰۱ ۹۴۲ مشاهده

مروری بر سیستم های توصیه گر مبتنی بر گراف دانش

در سال های اخیر با توجه به رشد روزافزون حجم داده ها در بسترهای مختلف، استفاده از سیستم توصیه گر برای کمک…

گراف دانشفاکتورسازی ماتریسسیستم های توصیه گر
مقاله کنفرانسی سال ۱۴۰۱ ۸۰۸ مشاهده

بهبود روش LIME با نمونه برداری هوشمند و غیر قطعی

LIME یکی از محبوب ترین مدل های هوش مصنوعی توضیح پذیر XAI ، است که سعی در شفاف سازی دلایل تصیم گیری مدل ه…

ثباتوفاداریروشLIME
مقاله کنفرانسی سال ۱۴۰۱ ۷۶۵ مشاهده

سامانه توصیه گر مبتنی بر گراف دانش با استفاده از شبکه عصبی کانولوشن

استفاده از گراف دانش به عنوان اطلاعات جانبی در سامانه های توصیه گر مدرن به طور گسترده افزایش پیدا کرده ا…

گراف دانشسامانه توصیه گرشبکه عصبی کانولوشن
مقاله کنفرانسی سال ۱۴۰۱ ۷۴۵ مشاهده

ارائه مدلی هوشمند جهت تشخیص سطح توسعه رتینوپاتی دیابتی با استفاده از استخراج الگوی رگ های خونی در تصاویر شبکیه

رتینوپاتی دیابتی یک بیماری چشمی مزمن و پیشرونده است که در آن شبکیه چشم انسان به دلیل افزایش مقدار انسولی…

رتینوپاتی دیابتیمیکروآنوریسمSVM