چکیده مقاله
سرطان پستان یکی از شایع ترین سرطان ها در بین زنان است تشخیص به موقع سرطان پستان منجر به درمان آسان تر این سرطان می گردد از انواع روش های متداول تشخیص سرطان پستان می توان به ماموگرافی، ماموگرافی سه بعدی، سونوگرافی و تصویربرداری با رزونانس مغناطیسی اشاره کرد برای طبقه بندی تصاویر پزشکی اغلب از شبکه های عصبی کانولوشنی استفاده شده است که تعداد پارامترهای یادگیرنده در این روش زیاد است به همین دلیل نیاز به محاسبات پردازشی بالایی دارند، راه حل استفاده از سخت افزار قدرتمند تر است که این راه حل هزینه بر است در نتیجه به کارگیری یک روش طبقه بندی با دقت مناسب و محاسبات پردازشی پایین یک امر ضروریست، در این پژوهش نیز هدف طبقه بندی توده های پستان بوسیله روش CNN SVM بهینه شده با الگوریتم گرگ خاکستری با در نظر گرفتن متعادل سازی داده ها مورد بررسی قرار گرفته است
کلیدواژهها
نویسندگان
محمد حسین امیری
دانشجوی کارشناسی ارشد مهندسی برق کنترل دانشگاه شهید بهشتی
هادی اشعریون
استادیار گروه کنترل – قدرت دانشگاه شهید بهشتی
نسترن محرابی هشجین
دانشجوی کارشناسی ارشد مهندسی برق کنترل دانشگاه شهید بهشتی
شیوه ارجاع
�میری، محمد حسین و اشعریون، هادی و محرابی هشجین، نسترن،1401،طبقه بندی توده های پستان با تصاویر سونوگرافی بوسیلهCNN-SVM،اولین کنفرانس بین المللی و ششمین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوع�
ارائهشده در
مجموعه مقالات دومین کنفرانس بین المللی و هفتمین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوعی8 اسفند 1402 · اهواز