کنفرانس بین المللی محاسبات نرم

صفحه اصلی / ششمین کنفرانس بین المللی محاسبات نرم

طبقه‌بندی بیماری های کلیه با استفاده از ویژگی‌های آماری محلی و شبکه عصبی بازگشتی

نویسندگان :

فرشته پورآهنگریان¹ حسین رضوی²

1- موسسه آموزش عالی غیردولتی آیندگان 2- موسسه آموزش عالی غیردولتی آیندگان

کلمات کلیدی :

پردازش تصویر،بیماری کلیه،هیستوگرام،یادگیری عمیق،شبکه عصبی بازگشتی،طبقه بندی

چکیده :

تشخیص دقیق و سریع سرطان کلیه از روی تصاویر CT برای تصمیم‌گیری بالینی به موقع و کاهش ریسک بیمار اهمیت زیادی دارد. در این مقاله، یک روش مبتنی بر پیش‌پردازش تصویر، استخراج لبه‌ها و تحلیل ویژگی‌های آماری محلی و بکارگیری یادگیری عمیق از نوع شبکه عصبی بازگشتی، برای تشخیص و دسته‌بندی بیماری های کلیه ارائه شده است. روش پیشنهادی با حذف بخش‌های غیرضروری تصویر، محاسبه هیستوگرام در پنجره‌های مختلف و تحلیل روابط بین لبه‌ها و بخش‌های مختلف تصویر، قادر به استخراج ویژگی‌هایی است که بیانگر وضعیت بافت کلیه می‌باشد. در روش پیشنهادی، به ازای پیکسل هایی با شدت روشنایی پایین تر، بازه‌های هیستوگرام با دقت بیشتر و به ازای پیکسل‌های روشن‌تر، بازه‌های وسیع‌تری از هیستوگرام انتخاب گردید تا ویژگی های آماری بهتری برای تفکیک کلاس‌ها استخراج شود. دقت طبقه بندی روش ارائه شده به ازای تصاویر موجود در پایگاه داده استانداردKaggle و در چهار کلاس نرمال، کیست، سنگ و تومور 99/76% است و نسبت به تحقیقات گذشته از عملکرد بسیار مناسبی برخوردار می باشد.