چکیده مقاله
با توجه به خطرات جدی سرطان ریه و ضرورت تشخیص زودهنگام آن، در این تحقیق از توانمندی هوش مصنوعی و شبکه های عصبیعمیق برای تحلیل تصاویر توموگرافی کامپیوتری ریه بهره گرفته شده است دو مدل تشخیصی بر اساس شبکه های Xception و Mobile Netارائه شده اند این مدل ها با توانایی تشخیص سریع و دقیق سلولهای غیرطبیعی، ابزاری حیاتی برای پیشگیری از عوارض جدی سرطان ریهارائه میدهند مدل Xception و Mobile Net ، با استفاده از وزن های خالص تصویر مبتنی بر یادگیری، توانسته اند با حجم داده کمتر و در زمانکوتاه تر، دقت ۹۹ ۴۸ ٪، درستی ۹۹ ۴۸ ٪، و یادآوری ۹۹ ۴۸ ٪ را برای طبقه بندی سرطان ریه چند طبقه به دست آورند نتایج نشان میدهد کهاین مدلها به عنوان ابزار پشتیبانی موثری برای رادیولوژیست ها و نفرولوژیست ها در تشخیص زودهنگام سرطان ریه میتوانند مورد استفادهقرار گیرند این تحقیق نه تنها بهبود در دقت و سرعت تشخیص ارائه میدهد بلکه با افزایش کارایی پزشکان نقش مهمی در جلوگیری ازپیشرفت بیماری و افزایش شانس درمان سرطان ریه ایفا می کند
کلیدواژهها
نویسندگان
مرضیه خدادوستان
دانشجودکتری، دانشکده مهندسی کامپیوتر، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران
الهام حری نجف آبادی
مربی،گروه مهندسی کامپیوتر و فناوری و اطلاعات،دانشگاه پیام نور،ایران
مهدی شریفی
استادیار،دانشکده مهندسی کامپیوتر، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران
شیوه ارجاع
�دادوستان، مرضیه و حری نجف آبادی، الهام و شریفی، مهدی،1403،تشخیص پیشرفته سرطان ریه از طریق تصاویر CT با استفاده از مدلهای Xception و Mobile Net،اولین کنفرانس بین المللی دوسالانه هوش مصنوعی و علوم داده،بوشهر
ارائهشده در
همایش ملی علوم و مهندسی دفاعی سپاه3 اردیبهشت 1403 · تهران