| نوع مدرک: | متون چاپی |
| سرشناسه | بلوچستانی اصل ، حسین، نویسنده |
| شماره بازیابی : | COM soft 81 1403 |
| عنوان : | طبقهبندی نوع تومور مغزی با استفاده از شبکههای عصبی کانولوشن مبتنی بر گراف با کمک تصاویر MRI |
| عنوان موازی : | Classification of brain tumor type using Graph Convolutional Network with MRI |
| ناشر: | دانشگاه شهید اشرفی اصفهانی: اصفهان |
| سال نشر : | 1403 |
| صفحه شمار: | 89ص |
| شابک/شاپا | 25868 |
| یادداشت | پایاننامه کارشناسی ارشد: رشته کامپیوتر گرایش مهندسی نرمافزار |
| شناسه افزوده : | راستین ، نیلوفر، استاد راهنما یراقی ، شکوفه، استاد مشاور |
| توصیفگرها | تومور مغزی، شبکه عصبی، شبکههای کانولوشنی مبتنی بر گراف، شبکههای کانولوشنی پیش آموزشدیده. Brain Tumor, Neural Network, Graph Convolutional Networks, Pre-Trained Convolutional Networks |
| چکیده : | تومورهای مغزی درحقیقت رشد غیرطبیعی سلولهای درون مغز یا بافتهای اطراف آن هستند. تشخیص و طبقهبندی تومورهای مغزی یکی از چالشهای مهم در تصویربرداری پزشکی است که تأخیر در شناسایی و تفکیک صحیح نوع آنها میتواند پیامدهای جبرانناپذیری برای بیماران به همراه داشته باشد. تصویربرداری رزونانس مغناطیسی یکی از راههای کارآمد برای تشخیص تومورهای مغزی است. روش پیشنهادی متشکل از شبکه کانولوشن مبتنی بر گراف برای طبقهبندی تصاویر رزونانس مغناطیسی میباشد. در مدل اول، ابتدا ویژگیهای تصاویر MRI از طریق شبکههای کانولوشنی آموزشدیده استخراج شده، سپس این ویژگیها بهعنوان ورودی به یک شبکه عصبی گرافی ارسال و طبقهبندی انجام میشود. در مدل دوم، با استفاده از ماتریس مجاورت، ارتباط بین نواحی مختلف تصویر بهصورت یک گراف مدلسازی شده و سپس از طریق یک شبکه کانولوشنی پردازش و طبقهبندی انجام میشود. در این پژوهش از مجموعه داده Brain Tumor MRI برای آموزش نهایی مدل استفاده گردید. پس از آموزش مدلها با استفاده از این مجموعه دادهها، عملکرد مدلهای پیشنهادی از نظر معیارهای ارزیابی استاندارد مورد بررسی قرار گرفت. در این ارزیابی مدل اول به دقت 0.9844، صحت 0.9846، یادآوری 0.9844، و امتیاز F1 0.9844 و مدل دوم به دقت 0.9673، صحت 0.9687، یادآوری 0.9673، و امتیاز F1 0.9673 در بهترین حالت دست یافتند |
| لینک ثابت رکورد: | ../opac/index.php?lvl=record_display&id=14704 |
| زبان مدرک : | فارسی |