كلاس‌بندي تصاوير پزشكي با استفاده از شبكه عصبي كانولوشن عميق و Attention module

روش يادگيري عميق يكي از تكنيك‌هاي يادگيري ماشين است كه در بسياري از برنامه‌ها مانند كلاس‌بندي، تجزيه‌وتحليل تصوير و تشخيص اشيا مورداستفاده قرارمي‌گيرد. امروزه به دليل استفاده گسترده از تصاويرديجيتالي به‌عنوان منابع اطلاعاتي در بيمارستان‌ها، بايگاني تصاوير پزشكي به‌طور چشمگيري در حال رشد است. تصاوير ديجيتالي نقش مهمي در پيش‌بيني انواع بيماري‌ها دارند و كاربردهاي گسترده‌اي از آن‌ها در تشخيص و تحقيقات وجود دارد. در اين تحقيق يك روش براي نمايش تصاوير پزشكي ارائه‌شده و در آن الگوريتم براي كلاس‌بندي تصاوير با روش يادگيري عميق آموزش داده‌شده است؛ و با استفاده از شبكه عصبي كانولوشن عميق از قبل آموزش‌ديده با رويكرد تغيير براي لايه هاي آخر شبكه و قرار دادن Attention module هايي مانند CBAM به‌دقت 52/93 و ماژول SE و تغيير نرخ يادگيري و ديگر پارامترها به‌دقت 90/96 و همچنين با استفاده از MultiHeadAttention به‌دقت 43/93 دست يافتيم.