کلاسبندی تصاویر پزشکی با استفاده از شبکه عصبی کانولوشن عمیق و Attention module
ندا نجفی لاطران - احمد آیتاللهی - رسول مخصوص
ندا نجفی لاطران - احمد آیتاللهی - رسول مخصوص
دانشگاه آزاد اسلامی - دانشگاه علم و صنعت ایران - دانشگاه علم و صنعت ایران
زبان مقاله : فارسی |
تعداد صفحات مقاله : 6 صفحه |
نوع مقاله : مقاله پوستری |
ISC کد مقاله در : ISC6440_532024
چکیده
روش یادگیری عمیق یکی از تکنیکهای یادگیری ماشین است که در بسیاری از برنامهها مانند کلاسبندی، تجزیهوتحلیل تصویر و تشخیص اشیا مورداستفاده قرارمیگیرد. امروزه به دلیل استفاده گسترده از تصاویردیجیتالی بهعنوان منابع اطلاعاتی در بیمارستانها، بایگانی تصاویر پزشکی بهطور چشمگیری در حال رشد است. تصاویر دیجیتالی نقش مهمی در پیشبینی انواع بیماریها دارند و کاربردهای گستردهای از آنها در تشخیص و تحقیقات وجود دارد. در این تحقیق یک روش برای نمایش تصاویر پزشکی ارائهشده و در آن الگوریتم برای کلاسبندی تصاویر با روش یادگیری عمیق آموزش دادهشده است؛ و با استفاده از شبکه عصبی کانولوشن عمیق از قبل آموزشدیده با رویکرد تغییر برای لایه های آخر شبکه و قرار دادن Attention module هایی مانند CBAM بهدقت 52/93 و ماژول SE و تغییر نرخ یادگیری و دیگر پارامترها بهدقت 90/96 و همچنین با استفاده از MultiHeadAttention بهدقت 43/93 دست یافتیم.کليدواژه ها
شبکه عصبی، کلاسبندی تصاویر پزشکی، یادگیری عمیق.نحوه استناد به مقاله
در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:نجفی لاطران , ندا , 1400 , کلاسبندی تصاویر پزشکی با استفاده از شبکه عصبی کانولوشن عمیق و Attention module , دوازدهمین کنفرانس ملی و دومین کنفرانس بین المللی بینایی ماشین و پردازش تصویر ایران
انتشار دهنده
محل انتشار : دوازدهمین کنفرانس ملی و دومین کنفرانس بین المللی بینایی ماشین و پردازش تصویر ایرانمشخصات برگزارکننده همایش : دانشگاه شهید چمران اهواز
تعداد مقالات : 20
کد اختصاصی :
۰۰۲۰۱-۱۳۰۸۷
a>
دیگر مقالات این رویداد
© کلیه حقوق متعلق به موسسه استنادی و پایش علم و فناوری جهان اسلام (ISC) می باشد.