این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
ماشین بینایی و پردازش تصویر، جلد ۱۰، شماره ۱، صفحات ۴۹-۵۹
عنوان فارسی آشکارسازی توده‌ها در تصاویر اولتراسوند خودکار سه‌بعدی پستان با استفاده از Inception ۳D U-Net بهبودیافته
چکیده فارسی مقاله سرطان پستان عامل اصلی مرگ‌ومیر ناشی از سرطان در زنان اکثر کشورهای جهان است. تشخیص سرطان پستان در مراحل اولیه تأثیر زیادی در کاهش نرخ مرگ‌ومیر دارد. تصویربرداری اولتراسوند خودکار سه‌بعدی پستان (3D ABUS) نوعی تصویربرداری است که اخیراً در کنار ماموگرافی برای تشخیص زودهنگام سرطان پستان استفاده می‌شود. حجم سه‌بعدی تولیدشده در این تصویربرداری شامل تعداد زیادی برش است. رادیولوژیست برای یافتن توده باید تمام برش‌های تصویر را بررسی کند که کاری زمان‌بر با احتمال خطای زیاد است. امروزه برای کمک به رادیولوژیست‌ها در آشکارسازی توده، سیستم‌های آشکارساز کامپیوتری (CAD) بسیاری ارائه شده است.در این مقاله، معماری 3D U-Net با قرار دادن دو نوع ماژول Inception تغییریافته در بخش کدگذار بهبود داده شده و برای آشکارسازی توده در تصاویر 3D ABUS استفاده شده است. در ماژول پیشنهادی اول که در اولین لایه کدگذار قرار می‌گیرد، ویژگی‌های سه‌بعدی متنوع با دو میدان دید متفاوت تولید می‌شود. در ماژول دوم که در لایه‌های بعدی کدگذار قرار می‌گیرد، ویژگی‌های خطی و ویژگی‌های صفحه‌ای استخراج می‌شود. مجموعه داده مورد استفاده دارای 60 حجم 3D ABUS از 43 بیمار و شامل 55 توده است. شبکه پیشنهادی به حساسیت 92.9% و میانگین FP برابر با 22.75 به ازای هر بیمار دست یافته است.
کلیدواژه‌های فارسی مقاله تصویربرداری اولتراسوند خودکار سه‌بعدی پستان، سیستم آشکارساز کامپیوتری، شبکه عصبی کانولوشنی سه‌بعدی، آشکارسازی توده، Inception،
عنوان انگلیسی Mass Detection in Automated Three Dimensional Breast Ultrasound using Improved Inception 3D U-Net
چکیده انگلیسی مقاله Breast cancer is the leading cause of cancer death among women in most countries. Early detection of breast cancer has a significant effect on reducing mortality. Automated three-dimensional breast ultrasound (3D ABUS) is a type of imaging that has recently been used alongside mammography for the early detection of breast cancer. The 3D volume includes many slices. The radiologist will have to look at all the slices to find the mass, which is time-consuming with a high probability of mistakes. Today, many computer-aided detection (CAD) systems have been proposed to help radiologists in mass detection.In this paper, the 3D U-Net architecture is improved by placing two types of modified Inception modules in the encoder and used to detect masses in 3D ABUS imahges. In the first Inception module, which is located in the first layer of the encoder, various three-dimensional features with two different fields of view are generated. In the second module, which is placed in the following layers of the encoder, line-wise features and plane-wise features are extracted. The dataset contains 60 3D ABUS volumes from 43 patients and includes 55 masses. The proposed network achieves a sensitivity of 92.9% and a false-positive per patient of 22.75
کلیدواژه‌های انگلیسی مقاله تصویربرداری اولتراسوند خودکار سه‌بعدی پستان, سیستم آشکارساز کامپیوتری, شبکه عصبی کانولوشنی سه‌بعدی, آشکارسازی توده, Inception
نویسندگان مقاله سپیده برکت رضایی |
دانشجوی دکتری هوش مصنوعی، دانشکده مهندسی کامپیوتر، دانشگاه علم و صنعت ایران، تهران، ایران

امین ملک محمدی |
دانشجوی کارشناسی ارشد هوش مصنوعی، دانشکده مهندسی کامپیوتر، دانشگاه علم و صنعت ایران، تهران، ایران

احسان کوزه گر |
دانشکده فنی و مهندسی شرق گیلان، دانشگاه گیلان، گیلان، ایران

معصومه سلامتی |
پژوهشگاه رویان، پژوهشکده زیست شناسی و علوم پزشکی تولید مثل جهاد دانشگاهی، مرکز تحقیقات پزشکی تولیدمثل، گروه تصویربرداری تولیدمثل، تهران، ایران

محسن سریانی |
دانشکده مهندسی کامپیوتر، دانشگاه علم و صنعت ایران، تهران، ایران

نشانی اینترنتی https://jmvip.sinaweb.net/article_154823_7b63ce84567f6607adb5e76ab6daac18.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات