بررسی دسته بندی تومورهای مغزی از طریق شبکه‌های عصبی یادگیری عمیق

نوع فایل : word

تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش : 13

تعداد کلمات : 2500

مجله : Future Computing and Informatics Journal

انتشار : 2018

ترجمه متون داخل جداول : ترجمه شده است

درج جداول در فایل ترجمه : درج شده است

منابع داخل متن : به صورت فارسی درج شده است

کیفیت ترجمه : طلایی

:

تاریخ انتشار
29 آگوست 2021
دسته بندی
تعداد بازدیدها
1239 بازدید
70,000 تومان

عنوان فارسی مقاله:بررسی دسته بندی تومورهای مغزی از طریق شبکه‌های عصبی یادگیری عمیق

 چکیده

در طول سال‌های متمادی، یادگیری عمیق یک رشته یادگیری ماشینی عمیق می‌باشد که اهمیت زیادی را کسب کرده است. کاربرد یادگیری عمیق در حوزه‌های مختلف اثبات شده است و یک روش یادگیری ماشینی قدرتمند برای حل مسائل است. در این مطالعه یک طبقه بند شبکه عصبی به کاربرده شد که یک ساختار یادگیری عمیق جهت دسته بندی داده‌های ۶۶,MRI است و به چهار طبقه تومور طبیعی، گلیوبلاستوما، سارکوم و تومور سرطان برنکوژنیک متاستاز است. یک روش قوی برای استخراج ویژگی، طبقه بند موجک گسسته DWT است و نتایج نشان داد که PCA بهتر از معیارهای عملکردی بود(تومورهای مغزی از طریق شبکه‌های عصبی).

ادامه مطلب

راهنمای خرید:
  • لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
  • همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
  • ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
  • در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.

Title: Classification using deep learning neural networks for brain tumors

Abstract

 Deep Learning is a new machine learning field that gained a lot of interest over the past few years. It was widely applied to several applications and proven to be a powerful machine learning tool for many of the complex problems. In this paper we used Deep Neural Network classifier which is one of the DL architectures for classifying a dataset of 66 brain MRIs into 4 classes e.g. normal, glioblastoma, sarcoma and metastatic bronchogenic carcinoma tumors. The classifier was combined with the discrete wavelet transform (DWT) the powerful feature extraction tool and principal components analysis (PCA) and the evaluation of the performance was quite good over all the performance measures.