تشخیص تودههای نرمال و غیر نرمال در تصاویر ماموگرافی توسط شبکه عصبی کانولوشنی عمیق (DCNN) | ||
| مدل سازی در مهندسی | ||
| دوره 22، شماره 79، زمستان 1403، صفحه 29-43 اصل مقاله (1 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22075/jme.2024.31040.2479 | ||
| نویسندگان | ||
| فرناز حسینی* ؛ حامد سپهرزاده | ||
| گروه مهندسی کامپیوتر، دانشگاه ملی مهارت، تهران، ایران | ||
| چکیده | ||
| یکی از مهمترین و موثرترین راههای تشخیص سرطان سینه، بخصوص در مراحل اولیه بیماری، انجام ماموگرافی است. تصاویر ماموگرافی به علت پیچیدگی بافتهای سینه، شباهت بین تودههای سرطانی و بافتهای طبیعیِ آن، اندازه و شکل متفاوت تودهها و تابش اشعه ایکس، معمولا از کیفیت پایینی برخوردار هستند. از این رو تشخیص ضایعات به خصوص در مراحل اولیه، کار بسیار دشواری است؛ زیرا برخی از ضایعات جرم در بافتهای طبیعی جاسازی شده و حاشیههای ضعیف یا حاشیههای مبهم دارند. روش پیشنهادی در این مطالعه ارائهی یک معماری مبتنی بر شبکه عصبی کانولوشنی عمیق برای تشخیص تودههای سرطانی در تصاویر ماموگرافی میباشد که در نهایت به طبقه بندی تودهها به کلاسهای نرمال و غیر نرمال منجر میگردد. آموزش شبکهی پیشنهادی با اصلاح تصاویر در مرحله پیشپردازش آغاز میشود تا ترسیم دقیقتر با وضوح بالاتر بر روی تصاویر انجام شود و در نهایت دقت و حساسیت جداسازی توده از بافت سینه برای تشخیص صحیح بهبود یابد. برای پیادهسازی روش پیشنهادی از زبان برنامهنویسی پایتون و کتابخانه تنسورفلو در محیط ویندوز استفاده شده است. برای اطمینان از عملکرد روش پیشنهادی روش اعتبارسنجی متقابل استفاده شده و نتایج بدست آمده توسط معیارهای دقت، صحت و حساسیت مورد ارزیابی قرار گرفته است. نتایج بدست آمده با دقت 97.67 % بیانگر بهبود دقت تشخیص و همچنین کاهش هزینه در فرایند تشخیصِ انجام شده میباشد. | ||
| کلیدواژهها | ||
| شبکه عصبی کانولوشنی؛ تصاویر ماموگرافی؛ سرطان سینه؛ یادگیری عمیق؛ توده نرمال و غیر نرمال | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 647 تعداد دریافت فایل اصل مقاله: 666 |
||
| تعداد نشریات | 22 |
| تعداد شمارهها | 722 |
| تعداد مقالات | 10,383 |
| تعداد مشاهده مقاله | 72,838,601 |
| تعداد دریافت فایل اصل مقاله | 64,535,147 |