این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
ماشین بینایی و پردازش تصویر، جلد ۷، شماره ۲، صفحات ۱۰۵-۱۱۷
عنوان فارسی ترکیب شبکه عصبی موبایل‌نت با الگوهای دودویی محلی برای تولید گزارش رادیولوژی تصاویر سی‌تی‌اسکن کبد
چکیده فارسی مقاله در دنیای امروز پزشکی توسعه روزافزون ابزار تولید تصاویر رادیولوژی پزشکی در مراکز درمانی، ایجاد سیستم­ های سبک، قابل‌حمل 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. ازاین‌رو 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 ارائه‌شده است. ازجمله چالش­ های اساسی در این زمینه استخراج ویژگی­ها و توصیفگرهای مناسب از تصاویر به­ منظور مدل‌سازی 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 ارائه‌ شده است. نتایج بیانگر موثر بودن روش پیشنهادی هیبریدی در بهبود دقت سیستم بوده و دقت نهایی سیستم 91.4% است.
کلیدواژه‌های فارسی مقاله یادگیری عمیق، موبایل نت، الگوی دودویی محلی، حاشیه نویسی تصاویر، گزارش رادیولوژی، تصاویر سی تی،
عنوان انگلیسی Generate Structured Radiology Report from Liver CT Images Using Fusion of MobileNet and Local Binary Pattern
چکیده انگلیسی مقاله In today’s modern medicine, with the spreading use of radiological imaging devices in medical centers, the need to accurate, reliable, and portable medi­cal image analysis and understanding systems has been increasing constantly. Since usually the images are not accompanied by the required clinical anno­tation, automatic tagging and captioning systems are among the most desired applications. This research proposes an automatic structured radiology report generation system that is based on annotation methods. Extracting useful and descriptive image features to model conceptual contents of the images is one of the main challenges in this regard. Considering the ability of deep neural networks in soliciting informative and effective features as well as lower reso­urce requirements, MobileNets are employed as the main building block of the proposed system. Furthermore due to the lack of large labeled medical data for training the network and risk of over-fitting, a joint descriptor is induced from the deep features and local bina­ry patterns. Experimental results confirm the efficiency of the proposed hybrid approach with accuracy 91.4%, as compared to the end-to-end deep networks and classic annotation methods.
کلیدواژه‌های انگلیسی مقاله یادگیری عمیق, موبایل نت, الگوی دودویی محلی, حاشیه نویسی تصاویر, گزارش رادیولوژی, تصاویر سی تی
نویسندگان مقاله سمیرا لویمی |
دانشجوی دکتری مهندسی کامپیوتر، دانشگاه بوعلی سینا، همدان، ایران

میرحسین دزفولیان |
گروه مهندسی کامپیوتر، دانشگاه بوعلی سینا، همدان، ایران

محرم منصوری زاده |
گروه مهندسی کامپیوتر، دانشگاه بوعلی سینا همدان، ایران

نشانی اینترنتی https://jmvip.sinaweb.net/article_111188_b4ec8a366be253dfe67a3b63889ac240.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