ارائه یک مدل بهبود یافته شبکه عصبی تجمیعی در طبقه بندی بیماران سرطان ریه
محل انتشار: مجله علوم رایانشی، دوره: 6، شماره: 4
سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 55
فایل این مقاله در 14 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_CSJI-6-4_005
تاریخ نمایه سازی: 14 بهمن 1402
چکیده مقاله:
از میان انواع سرطان ها، سرطان ریه دارای بالاترین میزان مرگ و میر است. این مشکل ناشی از تشخیص ناحیه گره های موجود در بافت نرم ریه در مراحل اولیه می باشد. یکی از روش های متداول تشخیص ضایعات و گره های ریوی استفاده از شبکه عصبی بوده که تا به امروز مورد استفاده محققان زیادی قرار گرفته است. عملکرد شبکه عصبی وابستگی زیادی به معماری شبکه و الگوریتم یادگیری دارد. در این مقاله از یک مدل شبکه عصبی تجمیعی به همراه الگوریتم یادگیری تطبیقی در طبقه بندی و تشخیص بیماری سرطان ریه استفاده شده است. هدف اصلی از استفاده از شبکه عصبی تجمیعی، افزایش دقت طبقه بندی و بهبود تعمیم دهی شبکه عصبی به علت حساسیت در تشخیص بیماری سرطان ریه است. نرخ یادگیری نیز پارامتری مهم در همگرایی شبکه عصبی بوده و بسته به مقدار آن، دقت طبقه بندی نیز می تواند متفاوت باشد. نتایج این تحقیق نشان می دهد که مدل تجمیعی شبکه عصبی با آموزش ۵ شبکه به همراه نرخ یادگیری تطبیقی، با بهبود ۹/۲% نسبت به شبکه عصبی استاندارد و رسیدن به دقت نهایی ۳/۹۴% در مقایسه با روش های پیشین موفق عمل کرده است.
کلیدواژه ها:
نویسندگان
مرضیه آجرلو
گروه مهندسی کامپیوتر، واحد شهرقدس، دانشگاه آزاد اسالمی، تهران، ایران
راحیل حسینی
گروه مهندسی کامپیوتر، واحد شهرقدس، دانشگاه آزاد اسالمی، تهران، ایران