مقاله کنفرانسی سال ۱۴۰۴ فارسی

استفاده از شبکه های عصبی کانولوشنی برای تشخیص و شبیه سازی سرطان سینه

چکیده مقاله

سرطان سینه یکی از شایع ترین و مهم ترین علل مرگ و میر در میان زنان در سراسر جهان به شمار می رود تشخیص سریع و دقیق این بیماری نقشی اساسی در کاهش تلفات و افزایش احتمال موفقیت درمان دارد روش های رایج تشخیص سرطان سینه شامل ماموگرافی، سونوگرافی و تصویربرداری رزونانس مغناطیسی هستند که هر یک مزایا و محدودیت های خاص خود را دارند با وجود پیشرفت های پزشکی، تحلیل تصاویر حاصل از این روش ها همچنان با چالش هایی روبه رو است؛ چراکه پیچیدگی ساختارهای بافتی و عوامل تداخل کننده دقت تشخیص را تحت تاثیر قرار می دهد در دهه های اخیر ظهور فناوری های یادگیری ماشین و هوش مصنوعی افق های تازه ای را در حوزه پردازش داده های پزشکی گشوده است به ویژه شبکه های عصبی کانولوشنی به دلیل توانایی بالا در استخراج ویژگی های پیچیده از تصاویر به یکی از پرکاربرد ترین ابزارها در تشخیص و طبقه بندی بیماری ها تبدیل شده اند این شبکه ها قادرند الگوهای پنهان و تفاوت های ظریف میان بافت های سالم و سرطانی را در تصاویر پزشکی مانند ماموگرافی، سونوگرافی و MRI شناسایی کنند هدف اصلی این پژوهش بررسی و توسعه یک مدل مبتنی بر شبکه های عصبی کانولوشنی برای تشخیص و شبیه سازی سرطان سینه است در این راستا با بهره گیری از داده های تصویری واقعی و به کارگیری تکنیک های نوین یادگیری عمیق تلاش می شود دقت و سرعت تشخیص تومورها افزایش یابد علاوه بر این تحقیق حاضر به ارزیابی نحوه بهبود عملکرد مدل ها در بازسازی و شبیه سازی بافت های سرطانی و سالم از طریق بهینه سازی معماری شبکه های عصبی می پردازد با توجه به اهمیت حیاتی تشخیص زودهنگام سرطان سینه در افزایش شانس درمان و جلوگیری از پیشرفت بیماری، نتایج این پژوهش می تواند گامی موثر در ارتقای سیستم های هوشمند پزشکی و بهبود کیفیت خدمات تشخیصی در این حوزه باشد

کلیدواژه‌ها

نویسندگان

تصویر فاطمه زارعی

فاطمه زارعی

گروه مهندسی پزشکی واحد کازرون دانشگاه آزاد اسلامی، کازرون، ایران

تصویر مهدی تقی زاده

مهدی تقی زاده

گروه مهندسی پزشکی واحد کازرون دانشگاه آزاد اسلامی، کازرون، ایران

شیوه ارجاع

�ارعی، فاطمه و تقی زاده، مهدی و پیربنیه، محمدامین،1404،استفاده از شبکه های عصبی کانولوشنی برای تشخیص و شبیه سازی سرطان سینه،هفتمین کنفرانس ملی دستاوردهای نوین در برق، کامپیوتر و صنایع،اسفراین

ارائه‌شده در

پوستر مجموعه مقالات هفتمین کنفرانس ملی دستاوردهای نوین در برق، کامپیوتر و صنایع مجموعه مقالات هفتمین کنفرانس ملی دستاوردهای نوین در برق، کامپیوتر و صنایع19 آبان 1404 · اسفراین
ادامه مسیر پژوهش

مقالات مرتبط

مقاله کنفرانسی سال ۱۴۰۴ ۱۸۱ مشاهده

طراحی یک تقویت کننده کم نویز سه طبقه با روش استفاده مجدد از جریان و بهبود در عملکرد بهره و عدد نویز

این مقاله یک تقویت کننده کم نویز با بهبود عملکرد در عدد نویز و بهره با استفاده از سه ساختار استفاده مجدد…

عدد نویزبهرهطبقه آبشاری
مقاله کنفرانسی سال ۱۴۰۴ ۱۷۳ مشاهده

امکان سنجی طراحی و تحلیل اقتصادی - زیست محیطی احداث نیروگاه فتوولتائیک ۱ مگاواتی در دانشگاه آیت الله بروجردی با رویکرد تامین انرژی پایدار و ارتقاء تاب آوری زیرساخت های حیاتی با استفاده از نرم افزارهای PVSyst و RETScreen

تامین برق پایدار نقش مهمی در کاهش هزینه های انرژی و افزایش بهره وری دارد و می تواند به منبع درآمدی برای…

نیروگاه فتوولتائیکانرژی خورشیدیتحلیل اقتصادی
مقاله کنفرانسی سال ۱۴۰۴ ۱۷۲ مشاهده

ارائه ی معماری ترکیبی GAN-YOLOv۸-CNN/CTC جهت بازشناسی مقاوم پلاک خودرو

در این پژوهش یک چارچوب یکپارچه و ماژولار برای تشخیص خودکار پلاک خودرو و تعیین وضعیت زوج یا فرد ارائه شده…

YOLOV۸بازشناسی توالی (CNN/CTC)بهینه سازی HT-SSA
مقاله کنفرانسی سال ۱۴۰۴ ۱۷۲ مشاهده

بررسی هوش مصنوعی در سیستمهای ایمنی خودروهای خودران

AI وسایل نقلیه خودران AVS نشان دهنده پیشرفتی متحول کننده در حمل و نقل هستند که با ادغام هوش مصنوعی و فنا…

هوش مصنوعیسیستم های خودرانسیستم های ایمنی خودرو
مقاله کنفرانسی سال ۱۴۰۴ ۱۷۲ مشاهده

چارچوب امنیتی نوین برای اینترنت اشیای خودرویی (IoV) مبتنی بر یادگیری فدرال و بلاک چین سبک وزن

با گسترش فناوری های هوشمند در حوزه حمل و نقل و ظهور شبکه های متصل میان وسایل نقلیه، اینترنت اشیای خودروی…

اینترنت اشیای خودرویییادگیری فدرالامنیت سایبری
مقاله کنفرانسی سال ۱۴۰۴ ۱۷۰ مشاهده

بخش بندی داده محور مشتریان تجارت الکترونیک با استفاده از مدل RFM و الگوریتم K-Means

در عصر داده محور کنونی بخش بندی مشتریان در پلتفرم های تجارت الکترونیک نقش کلیدی در بهینه سازی راهبردهای…

بخش بندی مشتریانتجارت الکترونیکمدل RFM