دسترسی همگانی(OPAC) نام کتابخانه در اوپک

تشخیص دقیق تومورهای مغزی در تصاویر پزشکی با استفاده از ترکیب الگوریتم Faster-RCNN با الگوریتم YOLO (1404) / مهوری ، سجاد، نویسنده
نوع مدرک:متون چاپی
سرشناسهمهوری ، سجاد، نویسنده
شماره بازیابی :‭COM A ‭54 1404
عنوان :تشخیص دقیق تومورهای مغزی در تصاویر پزشکی با استفاده از ترکیب الگوریتم Faster-RCNN با الگوریتم YOLO
عنوان موازی :Accurate Diagnosis of Brain Tumors in Medical Images Using the Combination of Faster-RCNN Algorithm with YOLO Algorithm
ناشر:دانشگاه شهید اشرفی اصفهانی: اصفهان
سال نشر :1404
صفحه شمار:167ص
شابک/شاپا26128
یادداشتپایان نامه کارشناسی ارشد :رشته کامپیوتر گرایش هوش مصنوعی و رباتیک
شناسه افزوده :کلینی ، مینا، استاد راهنما
توصیفگرهاMRI، Faster-RCNN، Yolov5، Weighted Box Fusion، Model Agreement FilteringyModel Agreement FilteringWeighted، Box Fusion ، Faster-RCNN، Yolov5،MRI
چکیده :تومور مغزی نوعی رشد غیر طبیعی در سلول های مغز است که می تواند موجب آسیب به اعصاب و عروق خونی شود. تشخیص زودهنگام و دقیق این تومورها، نقش حیاتی در پیشگیری از عوارض جدی و افزایش اثربخشی درمان را دارد. تشخیص دستی تومورهای مغزی از تصاویر MRI به ویژه در شرایطی که شکل تومورها نامنظم و مرزهای آن ها مبهم است، فرآیندی چالش برانگیز است و وابسته به تخصص پزشکان متخصص می باشد. هدف این پژوهش، ترکیب دو روش متمایز برای تشخیص تومور مغزی با استفاده از مدل ‌های YOLOv5 وFaster R-CNN در چارچوب یادگیری عمیق و بینایی ماشین می باشد. در این رویکرد ترکیبی برای بهبود دقت به جای استفاده از از روش های کلاسیک تجمع مدل ها، از ترکیب خروجی دو مدل مستقل با روش Weighted Box Fusion (WBF) ادغام و سپس با استفاده از معیار Model Agreement Filtering پالایش شده اند تا تنها نواحی مورد توافق مدل ها شوند. این مدل ها با استفاده از مجموعه ای از تصاویر MRI دارای نواحی برچسب گذاری شده آموزش دیده اند و عملکرد هر مدل با استفاده از معیارهای ارزایابی mAP ، Recall، F1-Score و IoU مورد ارزیابی قرار گرفته شده است. نتایج نشان می دهد که مدل ترکیبی به دقت 0.98 دست پیدا کرده است که این روش نشان دهنده آن است که مدل پیشنهادی در مواجه با شرایط مختلف تصویربرداری و ساختارهای نامنظم تومور، دقت و پایداری بالایی در تشخیص دارند. این یافته‌ها می‌تواند گامی موثر در جهت ارتقاء ابزارهای کمکی ‌تشخیص مبتنی بر هوش مصنوعی در حوزه پزشکی باشد
لینک ثابت رکورد:../opac/index.php?lvl=record_display&id=14964
زبان مدرک :فارسی
شماره ثبتشماره بازیابینام عام موادمحل نگهداریوضعیت ثبتوضعیت امانت
26128‭COM A ‭54 1404 پایان‌نامهدانشگاه شهید اشرفی اصفهانیاسناد مرجعغیر قابل امانت

کاربران آنلاین :