طراحی یک سیستم cad برای شناسایی و طبقه بندی تومورهای سرطان سینه در تصاویر dce-mr بر اساس شبکه های عصبی کانولوشن سلسله مراتبی

در این مقاله، یک سیستم cad بر اساس شبکه های عصبی کانولوشن سلسله مراتبی با ساختاری جدید، جهت ایجاد تمایز بین تومورهای خوش خیم و بدخیم در تصاویر mr سینه پیشنهاد شده است. شبکه ی عصبی کانولوشن، یک شبکه ی سلسله مراتبی عصبی است که بر روی تصاویر دو بعدی اعمال می شود و فرآیندهای استخراج ویژگی و طبقه بندی را در یک ساختار واحد و کاملاً تطبیقی، ادغام می کند. این ساختار می تواند ویژگی های دو بعدی کلیدی را به صورت خودکار استخراج نموده و نسبت به اعوجاجات هندسی و محلی در تصاویر ورودی مقاوم است. در ادامه، نتایج پیاده سازی فرآیندهای یادگیری و آزمایش hcnn بر اساس روش های بهینه سازی گرادیان نزولی و پس انتشار عدول شونده مورد ارزیابی قرار گرفته و نشان داده شده است که hcnn پیشنهادی با رویکرد یادگیری پس انتشار عدول شونده، یک ساختار عصبی سلسله مراتبی کارآمد و مقاوم را جهت طراحی یک سیستم cad پایه در تصاویر mr سینه ارائه می کند بطوریکه از آن می توان بطور بالقوه، بعنوان یک مکانیسم برای ارزیابی انواع ناهنجاری ها در تصاویر پزشکی استفاده نمود.