ارائه يك مدل بهبود يافته شبكه عصبي تجميعي در طبقه بندي بيماران سرطان ريه

فاقد عنوان

از ميان انواع سرطان‌ها، سرطان ريه داراي بالاترين ميزان مرگ و مير است. اين مشكل ناشي از تشخيص ناحيه گره‌هاي موجود در بافت نرم ريه در مراحل اوليه مي باشد. يكي از روش‌هاي متداول تشخيص ضايعات و گره‌هاي ريوي استفاده از شبكه عصبي بوده كه تا به امروز مورد استفاده محققان زيادي قرار گرفته است. عملكرد شبكه عصبي وابستگي زيادي به معماري شبكه و الگوريتم يادگيري دارد. در اين مقاله از يك مدل شبكه عصبي تجميعي به همراه الگوريتم يادگيري تطبيقي در طبقه‌بندي و تشخيص بيماري سرطان ريه استفاده شده است. هدف اصلي از استفاده از شبكه عصبي تجميعي، افزايش دقت طبقه‌بندي و بهبود تعميم‌دهي شبكه عصبي به علت حساسيت در تشخيص بيماري سرطان ريه است. نرخ يادگيري نيز پارامتري مهم در همگرايي شبكه عصبي بوده و بسته به مقدار آن، دقت طبقه‌بندي نيز مي‌تواند متفاوت باشد. نتايج اين تحقيق نشان مي‌دهد كه مدل تجميعي شبكه عصبي با آموزش 5 شبكه به همراه نرخ يادگيري تطبيقي، با بهبود 9/2% نسبت به شبكه عصبي استاندارد و رسيدن به دقت نهايي 3/94% در مقايسه با روش‌هاي پيشين موفق عمل كرده است.

no abstract