شماره ركورد كنفرانس :
5530
عنوان مقاله :
تشخيص گره سرطاني ريه در تصاوير سيتياسكن با استفاده از يك شبكه عصبي كانولوشنال سهبعدي (CNN 3D)
عنوان به زبان ديگر :
Detection of lung cancer nodules in CT scan images using a three-dimensional convolutional neural network (CNN 3D)
پديدآورندگان :
جعفري نادر nader.jafari23@gmail.com دانشكده فني مهندسي، انجمن كامپيوتر ايران
كليدواژه :
شبكه كانونشنال , گره ريه , يادگيري عميق , سرطان
عنوان كنفرانس :
بيستمين سمپوزيوم بينالمللي هوش مصنوعي و پردازش سيگنال
چكيده فارسي :
سرطان ريه دومين سرطان شايع در مردان و زنان در سراسر جهان است. تشخيص گرههاي ريوي در تصاوير توموگرافي كامپيوتري (CT) يكي از حياتيترين فناوري در تشخيص و درمان زودهنگام سرطان ريه است. رويكردهايي مبتني بر شبكه عصبي كانولوشن عميق براي اين منظور اختصاصدادهشده است، اما مدلها حداقل تا حدي بر اجزاي ۲ بعدي يا ۲.۵ بعدي متكي هستند، بهويژه قطر گرههاي ريه باعث ميشود كه نتايج با مثبت كاذب بالا باشد و به طور قابلتوجهي بر عملكرد تشخيص گرههاي ريه تأثير بگذارد. در اين مقاله، يك شبكه عصبي كانولوشنال سهبعدي تطبيقي براي تشخيص گرههاي ريوي پيشنهاد شده است كه شامل دو بخش تشخيص گره كانديد و كاهش مثبت كاذب است. در مرحله اول، اطلاعات ذرههاي ريزدانه گرههاي كانوني توسط ماژول توجه با وضوحبالا تركيب شده و در روش پيشنهادي شناسايي ميشوند. در مرحله دوم، يك ساختار 3 بعدي شبكه عصبي كانولوشنال تطبيقي (CNN 3D) براي كاهش بيشتر موارد مثبت كاذب طراحي شده است كه اطلاعات متني چندسطحي را از طريق يك هسته پيچشي 3 بعدي تطبيقي استخراج ميكند. نتايج نشان ميدهد كه روش پيشنهادي ميتواند حساسيت را افزايش داده و نرخ مثبت كاذب را براي تشخيص خودكار گرههاي ريوي كاهش دهد.