شماره ركورد كنفرانس :
5518
عنوان مقاله :
طبقه بندي توده هاي پستان با تصاوير سونوگرافي بوسيله CNN-SVM
پديدآورندگان :
اميري محمد حسين دانشگاه شهيد بهشتي , اشعريون هادي دانشگاه شهيد بهشتي , محرابي هشجين نسترن دانشگاه شهيد بهشتي
كليدواژه :
سرطان پستان , سونوگرافي , طبقه بندي , يادگيري عميق , GWO , CNN-SVM
عنوان كنفرانس :
اولين كنفرانس بين المللي و ششمين كنفرانس ملي كامپيوتر، فناوري اطلاعات و كاربردهاي هوش مصنوعي
چكيده فارسي :
سرطان پستان يكي از شايع ترين سرطان ها در بين زنان است. تشخيص به موقع سرطان پستان منجر به درمان آسان تر اين سرطان مي گردد. از انواع روش هاي متداول تشخيص سرطان پستان مي توان به ماموگرافي، ماموگرافي سه بعدي، سونوگرافي و تصويربرداري با رزونانس مغناطيسي اشاره كرد. براي طبقه بندي تصاوير پزشكي اغلب از شبكه هاي عصبي كانولوشني استفاده شده است كه تعداد پارامترهاي يادگيرنده در اين روش زياد است به همين دليل نياز به محاسبات پردازشي بالايي دارند، راه حل استفاده از سخت افزار قدرتمند تر است كه اين راه حل هزينه بر است. در نتيجه به كارگيري يك روش طبقه بندي با دقت مناسب و محاسبات پردازشي پايين يك امر ضروريست، در اين پژوهش نيز هدف طبقه بندي توده هاي پستان بوسيله روش CNN-SVM بهينه شده با الگوريتم گرگ خاكستري با در نظر گرفتن متعادل سازي داده ها مورد بررسي قرار گرفته است.