مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

مقاله مقاله نشریه

مشخصات مقاله

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

858
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

750
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

طبقه بندی و تشخیص درجه ی بدخیمی سرطان پروستات با استفاده از ترکیب ویژگی های عمیق و ویژگی های آماری بافت تصاویر پاتولوژی

صفحات

 صفحه شروع 341 | صفحه پایان 355

چکیده

سرطان پروستات به عنوان یکی از مهم ترین بیماری های مردان شناخته می شود که تشخیص زودهنگام و به موقع درجه ی آن, به روند درمان و جلوگیری از سرایت به سایر بافت ها کمک شایانی خواهد کرد. به منظور تعیین درجه ی بیماری, نمونه برداری از بافت انجام شده و با بررسی ساختار پاتولوژی, نوع درجه تعیین می گردد. در جدیدترین نوع دسته بندی, بافت پروستات به پنج درجه تقسیم بندی می شود که درجه ی یک, خوش خیم ترین حالت و درجه ی پنج, نشان دهنده ی وخیم ترین درجه است. با توجه به زمان بر بودن طبقه بندی توسط انسان و رشد فناوری هوش مصنوعی, اخیرا این طبقه بندی ها توسط الگوریتم های هوشمند مختلفی انجام می شود. اگرچه امروزه روش های توان مندی به منظور توصیف و طبقه بندی تصاویر ابداع شده, اما وجود فاصله ی معنایی میان ادراک بینایی انسان و ویژگی های سطح پایین استخراج شده توسط الگوریتم ها, مهم ترین چالش برای دست یابی به دقت مطلوب شمرده می شود. در این مقاله, روش جدیدی با ترکیب ویژگی های آماری بافت تصویر و ویژگی های عمیق استخراج شده توسط شبکه ی عصبی کانولوشن عمیق ارائه می شود که در آن, استفاده از شبکه عصبی کانولوشن عمیق باعث حصول ویژگی هایی سطح بالا و عمیق از تصاویر پاتولوژی شده و با ترکیب آنان با ویژگی های آماری بافت, دقت طبقه بندی افزایش می یابد. به منظور ارزیابی, روش پیشنهادی بر روی پایگاه داده ی جامعه ی بین المللی آسیب شناسی اورولوژی, اعمال شده است. نتایج حاصل نشان می دهد که روش پیشنهادی, به دقت بیشتری نسبت به سایر روش های مرسوم برای طبقه بندی تصاویر پاتولوژی دست یافته است.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    سزاوار، امیر، فرسی، حسن، و فرسی، فریما. (1397). طبقه بندی و تشخیص درجه ی بدخیمی سرطان پروستات با استفاده از ترکیب ویژگی های عمیق و ویژگی های آماری بافت تصاویر پاتولوژی. مهندسی پزشکی زیستی، 12(4 )، 341-355. SID. https://sid.ir/paper/81599/fa

    Vancouver: کپی

    سزاوار امیر، فرسی حسن، فرسی فریما. طبقه بندی و تشخیص درجه ی بدخیمی سرطان پروستات با استفاده از ترکیب ویژگی های عمیق و ویژگی های آماری بافت تصاویر پاتولوژی. مهندسی پزشکی زیستی[Internet]. 1397؛12(4 ):341-355. Available from: https://sid.ir/paper/81599/fa

    IEEE: کپی

    امیر سزاوار، حسن فرسی، و فریما فرسی، “طبقه بندی و تشخیص درجه ی بدخیمی سرطان پروستات با استفاده از ترکیب ویژگی های عمیق و ویژگی های آماری بافت تصاویر پاتولوژی،” مهندسی پزشکی زیستی، vol. 12، no. 4 ، pp. 341–355، 1397، [Online]. Available: https://sid.ir/paper/81599/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button