چکیده مقاله
امروزه تشخیص سرطان دهانه رحم در زنان مبتلا به این بیماری مهم است هدف پیشبینی سرطان دهانه رحم از طریق روشهایمختلف غربالگری با استفاده از یادگیری ماشینی بر اساس ویژگی های قوی شبکه CNN SVM برای مقایسه چندین طبقه بندی کننده برایتشخیص سرطان است روش در این مقاله عبارت است از ادغام ویژگی های استخراج شده از لایه پنهان CNN با استخراج ویژگی هایقوی ماتریس GLCM که پس از کاهش ابعاد، وارد طبقه بندی کننده شده و با روش رای گیری مقایسه می شوند این روش بر روی مجموعهداده های نظارت شده با نام ؛ Kag_risk_factors_cervical_cancer ارزیابی شد یافته های این پژوهش با تکنیک های یادگیری ماشین بهویژه یادگیری عمیق در این زمینه میتواند زودتر از پزشکان ، بیماری سرطان دهانه رحم را تشخیص دهد نتایج نشان داد که ویژگی قویمدل CNN SVM در طبقه بندی سلولی برای غربالگری سرطان دهانه رحم بهترین عملکرد را دارد
کلیدواژهها
نویسندگان
سپیده کریمی
گروه مهندسی فناوری اطلاعات ، دانشجو ، دانشگاه رجا ، قزوین
حسن صانعی فر
گروه مهندسی فناوری اطلاعات ، استاد راهنما ، دانشگاه رجا ، قزوین
فیروزه رضوی
گروه مدیریت فناوری اطلاعات ، استاد مشاور ، دانشگاه رجا ، قزوین
شیوه ارجاع
کریمی، سپیده و صانعی فر، حسن و رضوی، فیروزه،1403،پیش بینی سرطان دهانه رحم از طریق روشهای مختلف غربالگری با استفاده از یادگیری ماشین بر اساس ویژگی های قوی شبکه CNN-SVM،اولین کنفرانس بین المللی دوسالانه هوش مصنوعی و علوم داده،بوشهر
ارائهشده در
همایش ملی علوم و مهندسی دفاعی سپاه3 اردیبهشت 1403 · تهران