کنفرانس مهندسی برق ایران

صفحه اصلی / سی و چهارمین کنفرانس بین المللی مهندسی برق

VGG16-M: بهینه‌سازی مبتنی بر تابع فعال‌سازی Mish و داده‌های Hounsfield Unit در طبقه‌بندی نوع پاتولوژیک سرطان ریه از تصاویر CT

نویسندگان :

مرضیه علی آتشی¹ صدیقه غفرانی²

1- دانشگاه آزاد اسلامی واحد تهران جنوب 2- دانشگاه آزاد اسلامی واحد تهران جنوب

کلمات کلیدی :

Grad-CAM،Mish،VGG16،CT Scan،سرطان ریه

چکیده :

چکیده - سرطان ریه یکی از مهم‌ترین علل مرگ‌ومیر در جهان است و تشخیص زودهنگام نوع پاتولوژیک آن اهمیت زیادی در انتخاب درمان دارد. روش‌های رایج مانند نمونه‌برداری، تهاجمی و پرهزینه بوده و با عوارض همراه هستند. در این پژوهش یک مدل جدید مبتنی بر یادگیری انتقالی با نام VGG16-M ارائه شده است. این مدل با اصلاح هدفمند معماری (Visual Geometry Group 16) VGG16 و بهینه‌سازی متناسب با تصاویر CT پزشکی، بدون برش مقطعی نودول و با استفاده از داده‌های Hounsfield Unit، تنظیمات پیشرفته هایپرپارامترها و تابع فعال‌سازی Mish، توانست دقت 95٪ در طبقه‌بندی پاتولوژیک سرطان ریه کسب کند. با استفاده از روش Grad-CAM، نواحی مؤثر تصویر در تصمیم‌گیری مدل مشخص شده است. آزمایش‌ها بر روی مجموعه‌داده‌یChest CT-Scan دارای چهار کلاس، پاتولوژیک سرطان ریه که عبارتند Normal, Large Cell Carcinoma, Squamous Cell Carcinoma, Adenocarcinoma انجام شده است. نتایج نشان می‌دهد VGG16-Mبه عنوان روشی سریع و دقیق برای بهبود تشخیص اولیه و کاهش نیاز به نمونه‌برداری‌های تهاجمی می‌تواند مورد استفاده قرار گیرد.