ترکیب شبکه عصبی موبایل نت با الگوهای دودویی محلی برای تولید گزارش رادیولوژی تصاویر سی تی اسکن کبد
در دنیای امروز پزشکی توسعه روزافزون ابزار تولید تصاویر رادیولوژی پزشکی در مراکز درمانی، ایجاد سیستم های سبک، قابل حمل و دقیق جهت تحلیل و آنالیز تصاویر و استخراج اطلاعات تخصصی از این تصاویر را ضروری ساخته است. در بسیاری موارد تصاویر پزشکی فاقد برچسب یا حاشیه نویسی با اطلاعات تخصصی و کلینیکال هستند. ازاین رو طراحی سیستم هایی برای تولید اطلاعات تخصصی در مورد محتوای تصاویر یکی از چالش های مطرح است. در این پژوهش سیستم تولید گزارش رادیولوژی ساخت یافته مبتنی بر روش های حاشیه نویسی ارایه شده است. ازجمله چالش های اساسی در این زمینه استخراج ویژگی ها و توصیفگرهای مناسب از تصاویر به منظور مدل سازی مفاهیم و محتوای تصاویر است. بدین منظور با توجه به کارآمدی فرایند یادگیری عمیق و قابلیت آن در استخراج ویژگی متناسب با هدف، در این مقاله از شبکه های عمیق موبایل نت به دلیل سبک و دقیق بودن، استفاده شده است. همچنین با توجه به کم بودن داده های آموزشی در حوزه های تخصصی پزشکی علاوه بر بهره گیری از روش های کاهش بیش برازش در شبکه موبایل نت، روش ترکیبی مبتنی بر توصیفگرهای عمیق و الگوی دودویی محلی ارایه شده است. نتایج بیانگر موثر بودن روش پیشنهادی هیبریدی در بهبود دقت سیستم بوده و دقت نهایی سیستم 91.4% است.
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.