سرطان پروستات به عنوان یکی از مهم‌ترین بیماری‌های مردان شناخته ‌می‌شود که تشخیص زودهنگام و به موقع درجه‌ی آن، به روند درمان و جلوگیری از سرایت به سایر بافت‌ها کمک شایانی خواهد کرد. به منظور تعیین درجه‌ی بیماری، نمونه برداری از بافت انجام شده و با بررسی ساختار پاتولوژی، نوع درجه تعیین می‌گردد. در جدیدترین نوع دسته بندی، بافت پروستات به پنج درجه تقسیم‌بندی می‌شود که درجه‌ی یک، خوش‌خیم‌ترین حالت و...

سرطان سینه دومین علت عمده ی مرگ و میر ناشی از سرطان در زنان امروز است. تشخیص زودهنگام سرطان سینه یکی از مهم ترین عوامل در تعیین مراحل درمان برای زنان مبتلا به تومورهای بدخیم می باشد. تحقیقات نشان داده است که در بین روش های مختلف تصویربرداری پزشکی از جمله ماموگرافی، توموگرافی، سونوگرافی و غیره، تصویربرداری رزونانس مغناطیسی با کنتراست بهبودیافته، حساس ترین روش برای غربالگری زنان در معرض خطر بالا ...

در این مقاله، یک سیستم CAD بر اساس شبکه های عصبی کانولوشن سلسله‌مراتبی با ساختاری جدید، جهت ایجاد تمایز بین تومورهای خوش‌خیم و بدخیم در تصاویر MR سینه پیشنهاد شده است. شبکه‌ی عصبی کانولوشن، یک شبکه‌ی سلسله مراتبی عصبی است که بر روی تصاویر دو بعدی اعمال می‌شود و فرآیندهای استخراج ویژگی و طبقه‌بندی را در یک ساختار واحد و کاملاً تطبیقی، ادغام می‌کند. این ساختار می تواند ویژگی های دو بعدی کلیدی را ب...

یادگیری عمیق، یکی از رویکردهای مورد توجه در یادگیری ماشین می باشد که شامل معماری های مهمی می باشد. شبکه کانولوشنی عمیق، یکی از معماری های مورد توجه در یادگیری عمیق می باشد که در پردازش های مربوط به تصاویر دیجیتالی کاربرد فراوانی پیدا کرده است. در این پژوهش، شبکه کانولوشنی Alexnet، به منظور شناسایی چهره در عکس های ورودی، مورد استفاده قرار گرفته است. تنظیم دقیق مدل از قبل تعلیم داده شده ی Alexnet...

فرآیند کشش عمیق یک فرآیند انعطاف پذیر و ارزان قیمت است که برای تولید قطعات به صورت انبوه مورد استفاده قرار می گیرد. قابلیت کشش ورق-های فلزی در فرآیند کشش عمیق توسط نسبت کشش مشخص می شود که متاثر از خواص جنس ورق و پارامترهای فرآیند کشش عمیق می باشد. تعیین حد شکل دهی یکی از چالش های مهم در این فرآیند محسوب می گردد. حد نسبت بزرگ ترین قطر ورق (d_max)، به قطر فنجان ( d ) که بدون شکست و پارگی تبدیل می...

امروزه آشکارسازی و برچسب‎زنی اشیاء در تصاویر یکی از چالش‎های اساسی در برخی از کاربردهای بینایی‎ماشین می‎باشد. در سال‎های اخیر استفاده از یادگیری عمیق مورد توجه محققان قرار گرفته است. در همین راستا، در این مقاله ابتدا جدیدترین شبکه‎های عمیق موجود معرفی، سپس نقاط قوت و ضعف آنها تحلیل می‌شود. در ادامه شبکه‎ای بهبود یافته از شبکه R-FCN ارائه می‎شود. روش پیشنهادی بر پایه معماری ResNet و شبکه تمام کا...

در این مقاله با توسعه روش های موجود و بر مبنای کمینه سازی خطا و حفظ تمایز بیشینه مابین نمونه ها یک روش پیش تعلیم لایه به لایه سریع و کارا جهت مقداردهی اولیه مناسب وزن ها در شبکه های عصبی با ساختارهای عمیق ارائه شده است. تعلیم شبکه های عصبی عمیق به دلیل مواجه با تعداد بالای کمینه های موضعی اغلب همگرا نمی گردد. درحالیکه با مقداردهی اولیه مناسب وزن های شبکه به جای مقادیر تصادفی در ابتدای مسیر تعلی...

در این مقاله، یک روش پیش تعلیم دوسویه برای همگرا نمودن تعلیم شبکه های عصبی عمیق با یادگیری دیگرانجمنی ارائه شده است. تعلیم این شبکه ها به دلیل مواجه بودن با تعداد بالای کمینه های موضعی اغلب همگرا نمی گردد. این در حالی است که با مقداردهی اولیه مناسب وزن های شبکه، می توان از بسیاری از کمینه های موضعی اجتناب نمود. روش پیش تعلیم لایه به لایه دوسویه روشی سریع و کارا می باشد که در یک مسیر دوسویه به ط...