ارائه راهکاری برای تحلیل تصاویر رادیولوژی قفسه سینه با استفاده از یادگیری عمیق

چکیده مقاله

قفسه سینه انسان از اندام های حیاتی و مهمی مانند قلب، ریه ها، دنده ها تشکیل شده است انسان ها دچار امراض مختلفی چون آدم، پنومونی، کاردیومگالی و غیره در این محدوده می شوند، راه های مختلفی جهت تشخیص بیماری های این منطقه مثل سی تی اسکن و ام آر آی وجود دارد اما، بهترین و کم هزینه ترین راه جهت تشخیص بیماری های این ناحیه عکس رادیولوژی قفسه سینه می باشد در این مقاله تلاش می شود راه حلی مفید و بدون دخالت انسان جهت تشخیص بیماری های مهم این حوزه یافت از عکس رادیولوژی قفسه سینه به عنوان اولین گام تشخیصی در جهت درمان هم بهره برد چرا که در مناطق روستایی و شهری کمتر برخوردار از خدمات پزشکی و پیراپزشکی و مراکز تخصصی رادیولوژی، عدم تشخیص به موقع سبب به خطر افتادن جان انسان ها می شود در این تحقیق تلاش کردیم تا با استفاده از روش های یادگیری عمیق به خصوص شبکه عصبی کانولوشن با سه لایه مخفی و استفاده از دیتاست Sample از مجموعه دیتاست معروف Nih انتخاب یک قاب ورودی 32 32 از تصویر رادیولوژی شبکه ای توانمند در جهت تشخیص بیماری های قفسه سینه ایجاد کنیم نتایج حاصل از این شبکه عصبی کانولوشن بعد از 20 بار تکرار منجر به دقت 0 242 در مدل و صحت تشخیص بالای 97 4 درصد شد

کلیدواژه‌ها

نویسندگان

طوبی ترابی پور

دانشجوی ارشد نرم افزار دانشگاه پیام نور تهران

بابک درویش روحانی

استادیار دانشگاه پیام نور تهران

�رابی پور، طوبی و درویش روحانی، بابک،1398،ارائه راهکاری برای تحلیل تصاویر رادیولوژی قفسه سینه با استفاده از یادگیری عمیق،سومین کنفرانس بین المللی محاسبات نرم،رودسر

ارائه‌شده در

مجموعه مقالات سومین کنفرانس بین المللی محاسبات نرم29 آبان 1398 · رودسر