| |
مقالات آماده انتشار
، پذیرفته شده ، انتشار آنلاین از تاریخ 24 بهمن 1396
اصل مقاله (
1697 K
)
|
نوع مقاله: مقاله پژوهشی
|
نویسندگان
|
سوشیانت ذکریاپور
1
؛
حمید جزایری
2
؛
مهدی ازوجی
3
|
1
دانشجوی کارشناسی ارشد کامپیوتر، دانشکده مهندسی برق و کامپیوتر، دانشگاه صنعتی نوشیروانی بابل
|
2
گروه کامپیوتر، دانشکده مهندسی برق و کامپیوتر، دانشگاه صنعتی نوشیروانی بابل
|
3
دانشکده مهندسی برق و کامپیوتر، دانشگاه صنعتی نوشیروانی بابل
|
چکیده
|
یکی سه معیار اصلی که در تعیین درجه سرطان پستان به کار میرود، تعداد سلولهایی است که در حال تقسیم میتوزی هستند. تشخیص سلولهای میتوزی به دلیل تنوع شکل ظاهری این سلولها و همچنین شباهت با سلولهای مرده و اجسام خارجی حاضر در بافت، دشوار است. استفاده از پردازش تصویر برای تشخیص خودکار این سلولها، گامی مهم در کاهش خطا و افزایش سرعت درجهبندی سرطان است. روشهای موجود برای تشخیص این سلولها، یا بر اساس استخراج ویژگیها هستند که سریعاند ولی دقت تشخیص پایینی دارند، و یا بر اساس پردازش مستقیم تصویر با شبکههای عصبی عمیق هستند که دقتی بالا دارند ولی بسیار کند هستند. هدف این پژوهش ارائه روشی بینیاز از استخراج ویژگیها است که علاوه بر دقت زیاد، سرعتی بسیار بهتر از روشهای مبتنی بر شبکههای عصبی عمیق داشته باشد. در روش پیشنهادی، تصاویر ورودی ابتدا برای جبران رنگ و کنتراست نمونه بافت اصلاح میشوند. سپس محل سلولهای میتوزی احتمالی به کمک آستانهگیری و یافتن ماکزیممهای محلی تعیین میشود. تشخیص میتوزی بودن سلول با استفاده از ELM انجام میشود. میزان موفقیت روش پیشنهادی با معیارهای دقت، حساسیت و امتیاز F1 اندازهگیری شد که پیشرفت قابل توجهی را نسبت به بهترین کارهای موجود نشان میدهد. همچنین، روش پیشنهادی بهبود قابل ملاحظهای در زمان آموزش و اجرایی داراست.
|
کلیدواژه ها
|
ماشین یادگیری سریع ELM
؛
سرطان پستان
؛
تشخیص میتوز
؛
پاتولوژی دیجیتال
؛
تصاویر بیوپسی
؛
دستهبندی سلولها
|
|
|
مراجع
|
|
آمار
تعداد مشاهده مقاله: 17
تعداد دریافت فایل اصل مقاله: 10
|
|