شماره ركورد كنفرانس :
5286
عنوان مقاله :
يادگيري عميق براي تشخيص سرطان پستان با مدل DenseNet
پديدآورندگان :
دراني زهره dorrani.z@pnu.ac.ir دانشگاه پيام نور
كليدواژه :
سرطان سينه , , شبكه عصبي كاتولوشن عميق , , معماري DenseNet , , يادگيري عميق.
عنوان كنفرانس :
پنجمين كنفرانس بين‌المللي محاسبات نرم
چكيده فارسي :
مقاله حاضر به بررسي و ارائه روشي نوين براي تشخيص سرطان متمركز است كه از پردازش تصوير با استفاده از شبكه‌هاي عصبي DenseNetبهره مي‌برد. اين روش از الگوريتم‌هاي پيشرفته يادگيري عميق براي تحليل تصاوير با دقت بالا استفاده مي‌كند. در اين مقاله، به بررسي مزاياي استفاده از شبكه‌هاي عصبي DenseNet براي تشخيص زودرس سرطان پرداخته مي‌شود. اين روش نه تنها بهبود دقت تشخيص را افزايش مي‌دهد بلكه قابليت تفسيرپذيري بالا و سرعت پردازش مناسبي نيز دارد. همچنين، اين مقاله به بررسي مجموعه داده‌هاي استفاده شده مي‌پردازد. نتايج حاصل از اين تحقيق نشان مي‌دهد كه روش ارائه شده قادر به تشخيص دقيق و زودرس سرطان است و به عنوان يك ابزار موثر در پزشكي مي‌تواند به بهبود درمان و پيشگيري اين بيماري مهم كمك كند.
