بومیسازی و طبقهبندی تومور مغزی با استفاده از تکنیکهای یادگیری ماشین و یادگیری عمیق
سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 91
فایل این مقاله در 20 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_ARTE-2-20_006
تاریخ نمایه سازی: 7 بهمن 1402
چکیده مقاله:
مغز دارای بافتهای گوناگونی است که از تجمع و رشد سلولی بیش از حد، تومورهای مغزی پدید میآیند. شایعترین تومورهای اولیه مغزی، گلیوما، مننژیوما، شوآنوما، لنفوم اولیه مغزی، مدولابلوستوما و آدنومهای هیپوفیز هستند. تومور مترادف با سرطان نیست، زیرا تومور ممکن است خوشخیم یا بدخیم باشد، درحالی که سرطان را به صورت بدخیم تعریف میکنند. یکی از مهمترین تفاوتهای تومورهای خوشخیم و بدخیم در این است که تومورهای خوشخیم با سرعت رشد نمیکنند، اما تومورهای بدخیم میتوانند به بافتهای مغزی حمله و در نتیجه به سرعت رشد کنند. بعضی از علائم تومورهای مغزی شامل سردرد، تشنج، تغییرات خلقوخو و اختلالات حرکتی است. در این مقاله به بررسی بومیسازی و طبقهبندی تومور مغزی با استفاده از تکنیک های یادگیری ماشین و یادگیری عمیق پرداخته شد. نتایج رویکرد پیشنهادی نشان میدهد که حتی تکرار برای اولین بار تکراری به اندازه کافی برای تصمیمگیری درست با احتمال بالا است. اشکال اصلی نسخههای مختلف از FCM اصلاح شده در استفاده از فیلترکردن کور مانند میانگین (وزنی) با محدودیتهای فضایی است که ممکن است منجر به معرفی کلاس جدیدی شود که از طبقات واقعی در منطقه منجر به طبقهبندی نامناسب میشود. ما نشان دادهایم که سازگاری ما قوانین نتایج را با تلاش کم محاسباتی بهبود میبخشد.
کلیدواژه ها:
نویسندگان
پروانه فتحی
کارشناسی ارشد علوم کامپیوتر (هوش مصنوعی)
حسین شهسوار
استاد راهنمای دانشجو