این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
ماشین بینایی و پردازش تصویر، جلد ۹، شماره ۳، صفحات ۶۵-۷۸
عنوان فارسی دسته‌بندی تصاویر پزشکی ضایعات پوستی با استفاده از شبکه عصبی کپسولی
چکیده فارسی مقاله شبکه‌های عمیق نوعی از روش‌های یادگیری هستند که قابلیت مدل کردن روابط سطح بالای موجود در داده‌ها را دارند. یکی از پرکاربردترین انواع شبکه‌های عمیق، شبکه‌های پیچشی یا کانولوشنی هستند که با بهره‌گیری از لایه‌های کانولوشن بر روی تصاویر قادر به مدل کردن وابستگی‌های مکانی در آن‌ها هستند، اما ساختارهای سلسله-مراتبی مکانی درون تصویر را در نظر نمی‌گیرند. شبکه‌های کپسولی یکی از ایده‌های جدیدی هستند که برای مدل‌سازی ساختار سلسله-مراتبی ویژگی‌ها در تصویر پیشنهاد شده‌اند و در آنها از کپسول یا نورون‌های گروه‌بندی شده به همراه یک الگوریتم مسیریابی پویا استفاده می‌شود. با وجود کارآیی ایده‌ی شبکه‌های کپسولی بر روی مجموعه‌داده‌های ساده، عملکرد این شبکه‌ها بر روی داده‌های پیچیده هنوز در ابهام است. در این مقاله عملکرد این شبکه‌ بر روی مجموعه داده‌ی پیچیده‌ی سرطان پوست مورد بررسی قرار گرفته است که به دلیل اهمیت تشخیص ضایعات پوستی در پزشکی، پیچیدگی تصاویر، تعداد زیاد آنها و نامتعادل بودن دسته‌ها در آن انتخاب شده ‌است. برای استخراج بهتر تنوع موجود در ضایعات پوستی، تغییراتی در لایه‌های ابتدایی شبکه داده شد و به دلیل عدم توازن در مجموعه‌داده‌ی ذکر شده، تغییراتی در تابع هزینه‌ی شبکه اعمال شد. تأثیر استفاده از توابع فعال‌سازی مختلف در شبکه نیز مورد بررسی قرار گرفت. نتایج به دست آمده نشان‌ می‌دهد ایده‌ی شبکه کپسولی با انجام تنظیمات متناسب می‌تواند بر روی مجموعه‌داده‌های پیچیده نیز به نحو مطلوبی مورد استفاده قرار گیرد.
کلیدواژه‌های فارسی مقاله شبکه کپسولی، دسته بندی، تصاویر پزشکی، تابع هزینه، تابع فعال‌سازی،
عنوان انگلیسی Classification of medical images of skin lesions using capsular neural network
چکیده انگلیسی مقاله Deep networks are a type of learning method that can model high-level relationships in data. One of the most widely used types of deep models are convolutional networks that are able to model spatial dependencies in images using convolutional layers, but do not consider the hierarchical spatial structures within the image. Capsule networks are one of the new ideas proposed for modeling the hierarchical structure of features in the image, which use grouped capsules or neurons with a dynamic routing algorithm. Despite the effectiveness of the idea of ​​capsule networks on simple data sets, the performance of these networks on complex data is still unclear. In this paper, the performance of this network is examined on a complex skin cancer dataset, which has been selected due to the importance of skin lesions diagnosis in medicine, the complexity and huge number of images and the imbalance of categories. In order to better extract the diversity of skin lesions, changes were made in the initial layers of the network. Also, due to the imbalance in the mentioned data set, changes were made in the cost function of the network. The effect of using different activation functions in the network was also investigated. The results show that the idea of ​​a capsule network can be used optimally on complex data sets by making appropriate adjustments
کلیدواژه‌های انگلیسی مقاله شبکه کپسولی, دسته بندی, تصاویر پزشکی, تابع هزینه, تابع فعال‌سازی
نویسندگان مقاله نرگس حسن پور |
کارشناس ارشد هوش مصنوعی دانشگاه شهید باهنر کرمان

امید اسلام |
کارشناس نرم‌افزار دانشگاه شهید باهنر کرمان

حدیث محسنی |
استادیار بخش مهندسی کامپیوتر دانشگاه شهید باهنر کرمان

نشانی اینترنتی https://jmvip.sinaweb.net/article_144807_19622f393361f7893a84dcc2d7f718da.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