CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

یادگیری عمیق برای تشخیص سرطان پستان با مدل DenseNet

عنوان مقاله: یادگیری عمیق برای تشخیص سرطان پستان با مدل DenseNet
شناسه ملی مقاله: CSCG05_021
منتشر شده در پنجمین کنفرانس بین المللی محاسبات نرم در سال 1402
مشخصات نویسندگان مقاله:

زهره درانی - گروه مهندسی برق- دانشگاه پیام نور- تهران- ایران.

خلاصه مقاله:
مقاله حاضر به بررسی و ارائه روشی نوین برای تشخیص سرطان متمرکز است که از پردازش تصویر با استفاده از شبکه های عصبی DenseNetبهره می برد. این روش از الگوریتم های پیشرفته یادگیری عمیق برای تحلیل تصاویر با دقت بالا استفاده می کند.در این مقاله، به بررسی مزایای استفاده از شبکه های عصبی DenseNet برای تشخیص زودرس سرطان پرداخته می شود. این روش نه تنها بهبود دقت تشخیص را افزایش می دهد بلکه قابلیت تفسیرپذیری بالا و سرعت پردازش مناسبی نیز دارد.همچنین، این مقاله به بررسی مجموعه داده های استفاده شده می پردازد. نتایج حاصل از این تحقیق نشان می دهد که روش ارائه شده قادر به تشخیص دقیق و زودرس سرطان است و به عنوان یک ابزار موثر در پزشکی می تواند به بهبود درمان و پیشگیری این بیماری مهم کمک کند.

کلمات کلیدی:
سرطان سینه،،شبکه عصبی کاتولوشن عمیق،،معماری DenseNet ،،یادگیری عمیق.

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1966877/