طبقه‌بندی کننده دومرحله‌ای مبتنی بر نمایش تنک و کاربرد آن در تشخیص سرطان

Authors

  • محمدتقی صادقی ﺍﺳﺘﺎﺩﻳﺎﺭ، ﮔﺮﻭﻩ ﻣﺨﺎﺑﺮﺍﺕ، ﺩﺍﻧﺸﻜﺪﻩ ﻣﻬﻨﺪﺳﻰ ﺑﺮﻕ ﻭ ﻛﺎﻣﭙﻴﻮﺗﺮ، ﺩﺍﻧﺸﮕﺎﻩ ﻳﺰﺩ
  • ملیحه میری ﺩﺍﻧﺸﺠﻮی ﻛﺎﺭﺷﻨﺎﺳﻰ ﺍﺭﺷﺪ،ﮔﺮﻭﻩ ﻣﺨﺎﺑﺮﺍﺕ، ﺩﺍﻧﺸﻜﺪﻩ ﻣﻬﻨﺪﺳﻰ ﺑﺮﻕ ﻭ ﻛﺎﻣﭙﻴﻮﺗﺮ، ﺩﺍﻧﺸﮕﺎﻩ ﻳﺰﺩ
  • وحید ابوطالبی ﺍﺳﺘﺎﺩﻳﺎﺭ، ﮔﺮﻭﻩ ﻣﺨﺎﺑﺮﺍﺕ، ﺩﺍﻧﺸﻜﺪﻩ ﻣﻬﻨﺪﺳﻰ ﺑﺮﻕ ﻭ ﻛﺎﻣﭙﻴﻮﺗﺮ، ﺩﺍﻧﺸﮕﺎﻩ ﻳﺰﺩ
Abstract:

ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻧﺘﺎﻳﺞ ﻣﻮﻓﻘﻴﺖﺁﻣﻴﺰ ﻃﺒﻘﻪﺑﻨﺪیﻛﻨﻨﺪﻩ ﻣﺒﺘﻨﻰ ﺑﺮ ﻧﻤﺎﻳﺶ ﺗﻨﮏ (SRC) ﻭ ﺧﻮﺷﻪﺑﻨﺪی ﺯﻳﺮﻓﻀﺎی ﺗﻨﮏ (SSC) ﺩﺭ ﻛﺎﺭﺑﺮﺩﻫﺎی ﻣﺨﺘﻠﻒ، ﺩﺭ ﺍﻳﻦ ﻣﻘﺎﻟﻪ ﺑﺎ ﺗﺮﻛﻴﺐ ﺍﻳﻦ ﺩﻭ ﺭﻭﺵ، ﻳﮏ ﺭﻭﺵ ﻃﺒﻘﻪﺑﻨﺪی ﺳﻠﺴﻠﻪ ﻣﺮﺍﺗﺒﻰ ﺍﺭﺍﺋﻪ ﻣﻰﺷﻮﺩ. ﺍﻳﺪﻩ ﺍﺻﻠﻰ ﺩﺭ ﺭﻭﺵﻫﺎی ﻃﺒﻘﻪﺑﻨﺪی ﻭ ﺧﻮﺷﻪﺑﻨﺪی ﻣﺒﺘﻨﻰ ﺑﺮ ﻧﻤﺎﻳﺶ ﺗﻨﮏ، ﻧﻤﺎﻳﺶ ﻫﺮ ﺩﺍﺩﻩ ﺑﻪ ﺻﻮﺭﺕ ﺗﺮﻛﻴﺐ ﺧﻄﻰ ﺗﻨﮏ ﺍﺯ ﺳﺎﻳﺮ ﺩﺍﺩﻩﻫﺎ ﺍﺳﺖ ﺑﻪ ﮔﻮﻧﻪﺍی ﻛﻪ ﺩﺍﺩﻩﻫﺎی ﻣﺸﺎﺑﻪ ﺑﺎ ﺩﺍﺩﻩ ﻣﻮﺭﺩ ﻧﻈﺮ ﺩﺭ ﺍﻳﻦ ﺗﺮﻛﻴﺐ ﺧﻄﻰ ﺑﻴﺸﺘﺮﻳﻦ ﻭﺯﻥ ﺭﺍ ﺑﻪ ﺧﻮﺩ ﺍﺧﺘﺼﺎﺹ ﺩﻫﻨﺪ. ﺩﺭ ﺭﻭﺵ ﭘﻴﺸﻨﻬﺎﺩی، ﺑﻪ ﻣﻨﻈﻮﺭ ﺩﺳﺖﻳﺎﺑﻰ ﺑﻪ ﺻﺤﺖ ﻃﺒﻘﻪﺑﻨﺪی ﺑﻴﺸﺘﺮ، ﺍﺑﺘﺪﺍ ﺩﺍﺩﻩﻫﺎی ﺁﻣﻮﺯﺷﻰ ﺑﺎ ﺍﺳﺘﻔﺎﺩﻩ ﺍﺯ ﺭﻭﺵ ﺧﻮﺷﻪﺑﻨﺪی ﺯﻳﺮﻓﻀﺎی ﺗﻨﮏ ﺑﺨﺶﺑﻨﺪی ﻣﻰﺷﻮﻧﺪ. ﺳﭙﺲ ﺑﺎ ﺍﺳﺘﻔﺎﺩﻩ ﺍﺯ ﺷﻴﻮﮤ ﺑﻜﺎﺭ ﮔﺮﻓﺘﻪ ﺷﺪﻩ ﺩﺭ ﻃﺒﻘﻪﺑﻨﺪیﻛﻨﻨﺪﻩ ﻣﺒﺘﻨﻰ ﺑﺮ ﻧﻤﺎﻳﺶ ﺗﻨﮏ، ﻃﺒﻘﻪﺑﻨﺪیﻛﻨﻨﺪﻩﺍی ﺩﻭ ﻣﺮﺣﻠﻪﺍی ﻃﺮﺍﺣﻰ ﻣﻰﺷﻮﺩ. ﺩﺭ ﻣﺮﺣﻠﺔ ﺍﻭﻝ، ﺧﻮﺷﻪﺍی ﻛﻪ ﺩﺍﺩﻩ ﻭﺭﻭﺩی ﺑﻴﺸﺘﺮﻳﻦ ﺷﺒﺎﻫﺖ ﺭﺍ ﺑﺎ ﺁﻥ ﺩﺍﺭﺩ ﺗﻌﻴﻴﻦ ﺷﺪﻩ ﻭ ﺩﺭ ﻣﺮﺣﻠﻪ ﺑﻌﺪ ﻃﺒﻘﺔ ﻣﺮﺑﻮﻃﻪ ﺑﺮﭼﺴﺐ ﺩﺍﺩﻩ) ﺗﻌﻴﻴﻦ ﻣﻰﺷﻮﺩ. ﺑﺮﺍی ﺍﺭﺯﻳﺎﺑﻰ ﺭﻭﺵ ﭘﻴﺸﻨﻬﺎﺩی ﺍﺯ ﺩﺍﺩﮔﺎﻥ ﺭﻳﺰﺁﺭﺍﻳﻪ Tumors-14 -ﻛﻪ ﺣﺎﻭی ﺍﻃﻼﻋﺎﺕ ﻣﺮﺑﻮﻁ ﺑﻪ ﻧﻮﻉ ﺳﺮﻃﺎﻥ ﻣﺨﺘﻠﻒ ﺍﺳﺖ- ﺍﺳﺘﻔﺎﺩﻩ ﺷﺪﻩ ﺍﺳﺖ. ﺍﺯ ﺟﻤﻠﻪ ﻭﻳﮋﮔﻰﻫﺎی ﺍﻳﻦ ﺩﺍﺩﮔﺎﻥ ﺗﻌﺪﺍﺩ ﺯﻳﺎﺩ ﺑﻌﺪ ﺩﺭ ﻣﻘﺎﺑﻞ ﺗﻌﺪﺍﺩ ﻛﻢ ﻧﻤﻮﻧﻪ ﺩﺭ ﺍﺳﺖ ﻛﻪ ﻋﻤﻞ ﻃﺒﻘﻪﺑﻨﺪی ﺁﻥﻫﺎ ﺭﺍ ﺑﻪ ﻣﺴﺄﻟﻪﺍی ﭼﺎﻟﺶﺑﺮﺍﻧﮕﻴﺰ ﺗﺒﺪﻳﻞ ﻣﻰﻛﻨﺪ. ﺍﺑﻌﺎﺩ ﺯﻳﺎﺩ ﺩﺍﺩﻩﻫﺎ ﻧﻪ ﺗﻨﻬﺎ ﻣﺸﻜﻼﺗﻰ ﺍﺯ ﺟﻤﻠﻪ ﻧﻔﺮﻳﻦ ﺍﺑﻌﺎﺩ ﻭ ﺑﻴﺶ ﺍﻧﻄﺒﺎﻕ ﻃﺒﻘﻪﺑﻨﺪیﻛﻨﻨﺪﻩ ﺑﻪ ﺩﺍﺩﻩﻫﺎی ﺁﻣﻮﺯﺷﻰ ﺭﺍ ﺑﻪ ﺩﻧﺒﺎﻝ ﺩﺍﺭﺩ، ﺑﻠﻜﻪ ﺑﺎﻋﺚ ﺍﻓﺰﺍﻳﺶ ﭘﻴﭽﻴﺪﮔﻰ ﻣﺤﺎﺳﺒﺎﺗﻰ ﺷﺪﻩ؛ ﺯﻣﺎﻥ ﻻﺯﻡ ﺭﺍ ﺑﺮﺍی ﺍﺟﺮﺍی ﺍﻟﮕﻮﺭﻳﺘﻢﻫﺎ ﺍﻓﺰﺍﻳﺶ ﻣﻰﺩﻫﺪ. ﺁﺯﻣﺎﻳﺶﻫﺎی ﺍﻧﺠﺎﻡ ﺷﺪﻩ ﺑﺮ ﺍﻳﻦ ﺩﺍﺩﮔﺎﻥ ﺑﺎ ﺍﺳﺘﻔﺎﺩﻩ ﺍﺯ ﺭﻭﺵ ﭘﻴﺸﻨﻬﺎﺩی ﻧﺸﺎﻥ ﻣﻰﺩﻫﺪ ﻛﻪ ﺩﺭ ﻣﻘﺎﻳﺴﻪ ﺑﺎ ﺳﺎﻳﺮ ﺭﻭﺵﻫﺎی ﻃﺒﻘﻪﺑﻨﺪی، ﺍﻳﻦ ﺭﻭﺵ ﺑﻪ ﻧﺘﺎﻳﺞ ﺑﻬﺘﺮی ﻣﻨﺠﺮ ﻣﻰﺷﻮﺩ.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

طبقه بندی کننده دومرحله ای مبتنی بر نمایش تنک و کاربرد آن در تشخیص سرطان

ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻧﺘﺎﻳﺞ ﻣﻮﻓﻘﻴﺖﺁﻣﻴﺰ ﻃﺒﻘﻪﺑﻨﺪیﻛﻨﻨﺪﻩ ﻣﺒﺘﻨﻰ ﺑﺮ ﻧﻤﺎﻳﺶ ﺗﻨﮏ (src) ﻭ ﺧﻮﺷﻪﺑﻨﺪی ﺯﻳﺮﻓﻀﺎی ﺗﻨﮏ (ssc) ﺩﺭ ﻛﺎﺭﺑﺮﺩﻫﺎی ﻣﺨﺘﻠﻒ، ﺩﺭ ﺍﻳﻦ ﻣﻘﺎﻟﻪ ﺑﺎ ﺗﺮﻛﻴﺐ ﺍﻳﻦ ﺩﻭ ﺭﻭﺵ، ﻳﮏ ﺭﻭﺵ ﻃﺒﻘﻪﺑﻨﺪی ﺳﻠﺴﻠﻪ ﻣﺮﺍﺗﺒﻰ ﺍﺭﺍﺋﻪ ﻣﻰﺷﻮﺩ. ﺍﻳﺪﻩ ﺍﺻﻠﻰ ﺩﺭ ﺭﻭﺵﻫﺎی ﻃﺒﻘﻪﺑﻨﺪی ﻭ ﺧﻮﺷﻪﺑﻨﺪی ﻣﺒﺘﻨﻰ ﺑﺮ ﻧﻤﺎﻳﺶ ﺗﻨﮏ، ﻧﻤﺎﻳﺶ ﻫﺮ ﺩﺍﺩﻩ ﺑﻪ ﺻﻮﺭﺕ ﺗﺮﻛﻴﺐ ﺧﻄﻰ ﺗﻨﮏ ﺍﺯ ﺳﺎﻳﺮ ﺩﺍﺩﻩﻫﺎ ﺍﺳﺖ ﺑﻪ ﮔﻮﻧﻪﺍی ﻛﻪ ﺩﺍﺩﻩﻫﺎی ﻣﺸﺎﺑﻪ ﺑﺎ ﺩﺍﺩﻩ ﻣﻮﺭﺩ ﻧﻈﺮ ﺩﺭ ﺍﻳﻦ ﺗﺮﻛﻴﺐ ﺧﻄﻰ ﺑﻴﺸﺘﺮﻳﻦ ﻭﺯﻥ ﺭﺍ ﺑﻪ ﺧﻮﺩ ﺍﺧﺘﺼﺎﺹ ...

full text

بهبود کارایی طبقه بندی کننده مبتنی بر نمایش تنک برای طبقه بندی سیگنالهای مغزی

در این مقاله مسئله طبقه بندی سیگنالهای eeg مبتنی بر تصور حرکتی برای یک سیستم واسط مغز-کامپیوتر (bci)، توسط طبقه بندی کننده مبتنی بر نمایش تنک (src) مورد توجه واقع شده است. این طبقه بندی کننده برای کارایی بالا نیاز به طراحی ماتریس دیکشنری قوی دارد. با توجه به کارایی بالای الگوریتم الگوهای مکانی مشترک (csp) در سیستمهای bci، از این روش برای طراحی ماتریس دیکشنری استفاده شده است. از معایب cspحساس به...

full text

بهینه‌سازی وزن‌ها در کرنل مرکب برای طبقه‌بند مبتنی بر نمایش تنک کرنلی

طبقه‌بند مبتنی بر نمایش تنک (SRC)یکی از الگوریتم‌های موفق در ترکیب مفاهیم مطرح در دو حوزه نمونه‌برداری فشرده و آموزش ماشین است. در SRC، هر نمونه بر اساس ترکیب خطی تنکی از نمونه‌های آموزشی نمایش داده می‌شود. با توجه به موفقیت‌های اولیه این الگوریتم، فرم کرنلیزه آن (KSRC) نیز ارائه شده که در آن داده‌ها با استفاده از تابع کرنل به طور غیر صریح به فضای ویژگی جدیدی با ابعاد بالاتر نگاشت یافته و سپسSR...

full text

بهبود کارایی طبقه‌بندی‌کننده مبتنی بر نمایش تنک برای طبقه‌بندی سیگنالهای مغزی

In this paper, the problem of classification of motor imagery EEG signals using a sparse representation-based classifier is considered. Designing a powerful dictionary matrix, i.e. extracting proper features, is an important issue in such a classifier. Due to its high performance, the Common Spatial Patterns (CSP) algorithm is widely used for this purpose in the BCI systems. The main disadvanta...

full text

بهبود عملکرد طبقه بندی کننده مبتنی بر نمایش تنک در سیستم های bci با بهسازی فرایند استخراج ویژگی و استفاده از الگوریتم بهینه یافتن پاسخ تنک

در سال های اخیر، واسط مغز – رایانه (bci)، به عنوان وسیله ای جدید برای ارتباط بین مغز انسان و محیط اطرافش مورد توجه قرار گرفته است. به منظور راه اندازی چنین سیستمی، همکاری چند بلوک از جمله بلوک های ثبت، پردازش سیگنال و رابط کاربری مورد نیاز است. بلوک پردازش سیگنال شامل بلوک های پیش پردازش و شناسایی الگو است و بلوک شناسایی الگو شامل دو مرحله استخراج ویژگی و طبقه بندی می باشد. در این مقاله از طبقه...

full text

آشکارسازی حرکت پا در سیستم واسط مغز-رایانه کاربرفرما با استفاده از روش طبقه‌بندی مبتنی بر نمایش تنک سیگنال

سیستم‌های BCIکاربرفرما در مقایسه با سیستمهای BCIسنکرون، ارتباط طبیعی‌تر کاربر را با فضای خارج امکان‌پذیر می‌کنند. آشکارسازی بازه‌های وقوع حرکت در سیگنال پیوسته EEGمسأله‌ای کلیدی در طراحی سیستم‌های BCI  </spa...

full text

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023