期刊名称:Intelligent Systems in Electrical Engineering
印刷版ISSN:2251-6530
电子版ISSN:2252-083X
出版年度:2015
卷号:6
期号:1
页码:1-14
语种:Persian
摘要:در اين مقاله، يک سيستم CAD بر اساس شبکه های عصبی کانولوشن سلسلهمراتبی با ساختاری جديد، جهت ايجاد تمايز بين تومورهای خوشخيم و بدخيم در تصاوير MR سينه پيشنهاد شده است. شبکهی عصبی کانولوشن، يک شبکهی سلسله مراتبی عصبی است که بر روی تصاوير دو بعدی اعمال میشود و فرآيندهای استخراج ويژگی و طبقهبندی را در يک ساختار واحد و کاملاً تطبيقی، ادغام میکند. اين ساختار می تواند ويژگی های دو بعدی کليدی را به صورت خودکار استخراج نموده و نسبت به اعوجاجات هندسی و محلی در تصاوير ورودی مقاوم است. در ادامه، نتايج پيادهسازی فرآيندهای يادگيری و آزمايش HCNN بر اساس روشهای بهينهسازی گراديان نزولی و پسانتشار عدولشونده مورد ارزيابی قرار گرفته و نشان داده شده است که HCNN پيشنهادی با رويکرد يادگيری پس انتشار عدولشونده، يک ساختار عصبی سلسله مراتبی کارآمد و مقاوم را جهت طراحی يک سيستم CAD پايه در تصاوير MR سينه ارائه میکند بطوريکه از آن میتوان بطور بالقوه، بعنوان يک مکانيسم برای ارزيابی انواع ناهنجاریها در تصاوير پزشکی استفاده نمود.
其他摘要:In this paper, we propose a computer aided diagnosis (CAD) system based on hierarchical convolutional neural networks (HCNNs) to discriminate between malignant and benign tumors in breast DCE-MRIs. A HCNN is a hierarchical neural network that operates on two-dimensional images. A HCNN integrates feature extraction and classification processes into one single and fully adaptive structure. It can extract two-dimensional key features automatically, and it is relatively tolerant to geometric and local distortions in input images. We evaluate CNN implementation learning and testing processes based on gradient descent (GD) and resilient back-propagation (RPROP) approaches. We show that, proposed HCNN with RPROP learning approach provide an effective and robust neural structure to design a CAD base system for breast MRI, and has potential as a mechanism for the evaluation of different types of abnormalities in medical images.
关键词:سرطان سينه; تصويربرداری رزونانس مغناطيسی با کنتراست بهبوديافته; سيستمهای تشخيص به کمک کامپيوتر; شبکه های عصبی کانولوشن سلسله مراتبی