یک طبقه بندی کننده کانولوشن شبکه عصبی (با حوزه مکانی ) برای طبقه بندی نرمال بافت سینه

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 یک طبقه بندی کننده کانولوشن شبکه عصبی (با حوزه مکانی ) برای طبقه بندی نرمال بافت سینه دارای ۲۰ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد یک طبقه بندی کننده کانولوشن شبکه عصبی (با حوزه مکانی ) برای طبقه بندی نرمال بافت سینه  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی یک طبقه بندی کننده کانولوشن شبکه عصبی (با حوزه مکانی ) برای طبقه بندی نرمال بافت سینه،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن یک طبقه بندی کننده کانولوشن شبکه عصبی (با حوزه مکانی ) برای طبقه بندی نرمال بافت سینه :

سال انتشار : ۱۳۹۹

تعداد صفحات : ۲۰

ما طبقه بندی ناحیه های مطلوب ROI در ماموگرام ها را یا بصورت توده یا بصورت بافت نرمال با استفاده از یک شبکه عصبی کانولوشن CNN بررسی می کنیم CNN، یک شبکه عصبی پس انتشار با کرنل های وزن دو بعدی است که بر روی تصاویر عمل می کند. اجرای سریع، پایدار و تعمیم یافته CNN توسعه داده می شود تصاویر ورودی به CNN از ROI با استفاده از دو تکنیک بدست می آید. تکنیک اول، میانگین گیری و زیرنمونه گیری را انجام می دهد. تکنیک دوم، روش های استخراج ویژگی بافت را برای ناحیه کوچکی در داخل ROI بکار می برد. ویژگی های محاسبه شده در نواحی مختلف به عنوان تصاویر بافت قرار می گیرند که به طور متوالی به عنوان ورودی های CNN استفاده می شوند. اثرات ساختار و پارامترهای ویژگی بافت CNN بر دقت طبقه بندی بررسی می شود. روش منحنی مشخصه عملکرد ROC برای ارزیابی دقت طبقه بندی استفاده می شود. یک مجموعه داده شامل ۱۶۸ ROI که دارای توده های تایید شده هستند و ۵۰۴ ROI که دارای بافت نرمال سینه هستند، توسط رادیولوژیست باتجربه در ماموگرافی از ۱۶۸ ماموگرام استخراج می شود. این مجموعه داده برای آموزش و تست CNN استفاده می شود. با ترکیب بهتر ساختار و پارامترهای ویژگی بافت CNN زیر تست منحنی ROC به ۰.۸۷ می رسد که متناظر با یک بخش مثبت واقعی ۹۰ % در یک بخش مثبت کاذب ۳۱ % می باشد. نتایج ما، امکان استفاده از CNN را برای طبقه بندی توده ها و بافت نرمال در ماموگرام ها نشان می دهد.