عنوان فارسی مقاله:مدل یادگیری عمیق مبتنی بر الگوریتم بهینه سازی پرستوی دریایی برای تشخیص تومورهای NSCLC
چکیده
سرطان ریه یکی از شایعترین علل مرگ و میر ناشی از سرطان در دنیای مدرن است. غربالگری ندول های ریه برای تشخیص زودهنگام برای تسهیل درمان که سرعت توانبخشی بیمار را بهبود میبخشد، ضروری است. افزایش دقت در تشخیص سرطان ریه برای حفظ میزان ماندگاری بیمار حیاتی است، اگرچه چندین کار تحقیقاتی در این حوزه انجام شده است. علاوه بر این، سیستم کلاسیک نمیتواند سلولهای سرطانی با اندازههای مختلف را به طور دقیق و با قابلیت اطمینان عالی تقسیم کند. این مقاله یک مدل یادگیری عمیق مبتنی بر الگوریتم بهینه سازی پرستوی دریایی برای تشخیص تومورهای سرطان ریه سلول غیر کوچک (NSCLC) با دقت افزایش یافته پیشنهاد میکند. ما در مورد الگوریتمهای مختلفی برای تشخیص مدلهایی بحث میکنیم که از روش تقسیمبندی Otsu برای جداسازی کامل گرههای ریه استفاده میکنند. سپس، الگوریتم بهینهسازی پرستوی دریایی (SHOA) برای پارتیشن بندی ندولهای سرطانی با تعریف بهترین ویژگیها، که به بهبود دقت تشخیصی کمک میکند، اتخاذ میشود. همچنین از یک الگوی باینری محلی (LBP) برای تعیین بازیابی ویژگی مناسب از گرههای ریه استفاده میکند. علاوه بر این، طبقهبندیکنندههای مبتنی بر CNN و GRU را برای شناسایی بدخیم یا غیر بدخیم بودن ندولهای ریه بسته به ویژگیهایی که در طول فرآیند تشخیص بازیابی میشوند، اتخاذ میکند. نتایج تجربی این مدل DNN بهینه شده با SHOA به دقت ۹۸٫۳۲ درصد بهتر از طرحهای پایه مورد استفاده برای مقایسه دست یافت.
- 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.