دوره 26، شماره 1 - ( بهار 1398 )                   جلد 26 شماره 1 صفحات 44-53 | برگشت به فهرست نسخه ها

DOI: 10.32592/JBirjandUnivMedSci.2019.26.1.105


XML English Abstract Print


1- گروه مهندسی برق، دانشکده مهندسی برق و کامپیوتر، دانشگاه بیرجند، ایران
2- گروه مهندسی برق، دانشکده مهندسی برق و کامپیوتر، دانشگاه بیرجند، ایران ، s.mohamadzadeh@birjand.ac.ir
چکیده:   (1830 مشاهده)
زمینه و هدف: سرطان پوست در طول دهه‌های گذشته رشد چشم‌گیری داشته است و اهمیت درمان اولیه آن روز به روز در حال افزایش است. هدف از این مطالعه، استفاده از شبکه‌های عصبی عمیق برای ایجاد یک سیستم خودکار تشخیص ملانوما بود که در آن داده‌ها به‌طور مستقیم به‌عنوان بخشی از فرآیند یادگیری عمیق کنترل می‌شود.
روش تحقیق: در این پژوهش مطالعات بر روی تصاویر مربوط به سرطان پوست انجام شده است. برای تشخیص خوش‌خیم یا بدخیم بودن سرطان پوست از طبقه‌بندی کننده شبکه عصبی عمیق به کمک فریمورک تنسورفلو و بهره‌گیری از کتابخانه کراس استفاده شده است. مجموعه داده مورد استفاده در این پژوهش از 70 تصویر ملانوما و 100 تصویر مربوط به خال گوشتی خوش خیم تشکیل شده است. در مدل پیَشنهادی این پژوهش 80 درصد از تصاویر پایگاه‌داده برای آموزش و 20 درصد تصاویر پایگاه داده برای آزمون انتخاب میشود،.
یافته‌ها: روش پیشنهادی، دقت تشخیص بالاتری دارد که نسبت به روش‌های موجود باعث افزایش بیش از 10درصد در دقت تشخیص در بسیاری از موارد گردیده است. دقت بالای تشخیص و طبقه‌بندی و سرعت بالای همگرایی به‌ نتیجه نهایی، از ویژگی‌های این پژوهش نسبت به سایر تحقیقات است.
نتیجه‌گیری: سیستم اتوماتیک تشخیص و طبقهبندی سرطان پوست بر مبنای یادگیری عمیق، با دقت و سرعت مطلوبی ارائه می‌شود.
متن کامل [PDF 423 kb]   (753 دریافت) |   |   متن کامل (HTML)  (273 مشاهده)  
نوع مطالعه: مقاله اصیل پژوهشی | موضوع مقاله: انكولوژي
دریافت: ۱۳۹۷/۴/۱۷ | پذیرش: ۱۳۹۷/۸/۵ | انتشار: ۱۳۹۷/۱۲/۲۶