%0 Journal Article %T دسته‌بندی تصاویر پزشکی ضایعات پوستی با استفاده از شبکه عصبی کپسولی %J مجله بینایی ماشین و پردازش تصویر %I انجمن بینایی ماشین و پردازش تصویر ایران %Z 2383-1197 %A حسن پور, نرگس %A اسلام, امید %A محسنی, حدیث %D 2022 %\ 09/23/2022 %V 9 %N 3 %P 65-78 %! دسته‌بندی تصاویر پزشکی ضایعات پوستی با استفاده از شبکه عصبی کپسولی %K شبکه کپسولی %K دسته بندی %K تصاویر پزشکی %K تابع هزینه %K تابع فعال‌سازی %R %X شبکه‌های عمیق نوعی از روش‌های یادگیری هستند که قابلیت مدل کردن روابط سطح بالای موجود در داده‌ها را دارند. یکی از پرکاربردترین انواع شبکه‌های عمیق، شبکه‌های پیچشی یا کانولوشنی هستند که با بهره‌گیری از لایه‌های کانولوشن بر روی تصاویر قادر به مدل کردن وابستگی‌های مکانی در آن‌ها هستند، اما ساختارهای سلسله-مراتبی مکانی درون تصویر را در نظر نمی‌گیرند. شبکه‌های کپسولی یکی از ایده‌های جدیدی هستند که برای مدل‌سازی ساختار سلسله-مراتبی ویژگی‌ها در تصویر پیشنهاد شده‌اند و در آنها از کپسول یا نورون‌های گروه‌بندی شده به همراه یک الگوریتم مسیریابی پویا استفاده می‌شود. با وجود کارآیی ایده‌ی شبکه‌های کپسولی بر روی مجموعه‌داده‌های ساده، عملکرد این شبکه‌ها بر روی داده‌های پیچیده هنوز در ابهام است. در این مقاله عملکرد این شبکه‌ بر روی مجموعه داده‌ی پیچیده‌ی سرطان پوست مورد بررسی قرار گرفته است که به دلیل اهمیت تشخیص ضایعات پوستی در پزشکی، پیچیدگی تصاویر، تعداد زیاد آنها و نامتعادل بودن دسته‌ها در آن انتخاب شده ‌است. برای استخراج بهتر تنوع موجود در ضایعات پوستی، تغییراتی در لایه‌های ابتدایی شبکه داده شد و به دلیل عدم توازن در مجموعه‌داده‌ی ذکر شده، تغییراتی در تابع هزینه‌ی شبکه اعمال شد. تأثیر استفاده از توابع فعال‌سازی مختلف در شبکه نیز مورد بررسی قرار گرفت. نتایج به دست آمده نشان‌  می‌دهد ایده‌ی شبکه کپسولی با انجام تنظیمات متناسب می‌تواند بر روی مجموعه‌داده‌های پیچیده نیز به نحو مطلوبی مورد استفاده قرار گیرد. %U https://jmvip.sinaweb.net/article_144807_19622f393361f7893a84dcc2d7f718da.pdf