دانلود رایگان مقاله یادگیری عمیق برای تشخیص آسیب شناسی معده در تصاویر آندوسکوپی (2019)

ارسال توسط وب‌رویا در 2019, انفورماتیک پزشکی, پزشکی, پژوهشی, داده کاوی در پزشکی, هوش مصنوعی در پزشکی

دانلود رایگان مقاله یادگیری عمیق برای تشخیص آسیب شناسی معده در تصاویر آندوسکوپی (2019)

ترجمه فارسی چکیده مقاله:

تشخیص کمکی رایانه‌ای سرطان بر اساس تجزیه و تحلیل تصویر آندوسکوپی، یک منطقه امیدوار کننده در زمینه دید رایانه و یادگیری ماشین است. شبکه‌های عصبی Convolutional یکی از محبوب‌ترین رویکردها در تجزیه و تحلیل تصویر آندوسکوپی است. در این مقاله الگوریتم تشخیص پاتولوژی در تصاویر آندوسکوپی ضایعات معده بر اساس شبکه عصبی کانونشنال ارائه شده است. آموزش و آزمایش الگوریتم بر روی ابر رایانه NVIDIA DGX-1 با استفاده از تصاویر آندوسکوپی از پایه آزمایش انجام شد، که با بیمارستان منطقه‌ای سرطان یاروسلاوک مونتاژ شده است. در نتیجه آزمایشات، متریک mAP محاسبه و مقدار آن 0.875 بود که نتیجه‌ای عالی برای کار تشخیص شیء در تصاویر است.

 

عنوان انگلیسی مقاله:

Deep Learning for Gastric Pathology Detection in
Endoscopic Images

چکیده انگلیسی مقاله:

Computer-aided diagnosis of cancer based on endoscopic image analysis is a promising area in the field of computer vision and machine learning. Convolutional neural networks are one of the most popular approaches in endoscopic image analysis. This paper presents the algorithm of pathology detection in endoscopic images of gastric lesions based on convolutional neural network. Training and testing of the algorithm was carried out on the
NVIDIA DGX-1 supercomputer using endoscopic images from the test base, assembled together with the Yaroslavl Regional Cancer Hospital. As a result of experiments, the mAP metric was calculated and the value was 0.875, which is a high result for the task of object detection in images.

تعداد صفحات مقاله: 5

تاریخ انتشار مقاله: 2019

فرمت فایل: pdf

حجم فایل: 583KB

لینک دانلود رایگان مقاله انگلیسی:

یادگیری عمیق برای تشخیص آسیب شناسی معده در تصاویر آندوسکوپی

پس از ثبت سفارش ترجمه، طی حداکثر 5 روز کاری آینده، ترجمه فارسی به‌صورت دو فایل word و pdf به آدرس ایمیل شما ارسال خواهد شد.