TY - JOUR ID - 111188 TI - ترکیب شبکه عصبی موبایل‌نت با الگوهای دودویی محلی برای تولید گزارش رادیولوژی تصاویر سی‌تی‌اسکن کبد JO - مجله بینایی ماشین و پردازش تصویر JA - JMVIP LA - fa SN - AU - لویمی, سمیرا AU - دزفولیان, میرحسین AU - منصوری زاده, محرم AD - دانشجوی دکتری مهندسی کامپیوتر، دانشگاه بوعلی سینا، همدان، ایران AD - گروه مهندسی کامپیوتر، دانشگاه بوعلی سینا، همدان، ایران AD - گروه مهندسی کامپیوتر، دانشگاه بوعلی سینا همدان، ایران Y1 - 2021 PY - 2021 VL - 7 IS - 2 SP - 105 EP - 117 KW - یادگیری عمیق KW - موبایل نت KW - الگوی دودویی محلی KW - حاشیه نویسی تصاویر KW - گزارش رادیولوژی KW - تصاویر سی تی DO - N2 - در دنیای امروز پزشکی توسعه روزافزون ابزار تولید تصاویر رادیولوژی پزشکی در مراکز درمانی، ایجاد سیستم­ های سبک، قابل‌حمل و دقیق جهت تحلیل و آنالیز تصاویر و استخراج اطلاعات تخصصی از این تصاویر را ضروری ساخته است. در بسیاری موارد تصاویر پزشکی فاقد برچسب یا حاشیه­ نویسی با اطلاعات تخصصی و کلینیکال هستند. ازاین‌رو طراحی سیستم­ هایی برای تولید اطلاعات تخصصی در مورد محتوای تصاویر یکی از چالش­ های مطرح است. در این پژوهش سیستم تولید گزارش رادیولوژی ساخت­ یافته مبتنی بر روش­ های حاشیه­ نویسی ارائه‌شده است. ازجمله چالش­ های اساسی در این زمینه استخراج ویژگی­ها و توصیفگرهای مناسب از تصاویر به­ منظور مدل‌سازی مفاهیم و محتوای تصاویر است. بدین منظور با توجه به کارآمدی فرایند یادگیری عمیق و قابلیت آن در استخراج ویژگی متناسب با هدف، در این مقاله از شبکه­ های عمیق موبایل­ نت به دلیل سبک و دقیق بودن، استفاده‌ شده است. همچنین با توجه به کم بودن داده­ های آموزشی در حوزه­ های تخصصی پزشکی علاوه بر بهره­ گیری از روش­ های کاهش بیش­ برازش در شبکه موبایل­ نت، روش ترکیبی مبتنی بر توصیفگرهای عمیق و الگوی دودویی محلی ارائه‌ شده است. نتایج بیانگر موثر بودن روش پیشنهادی هیبریدی در بهبود دقت سیستم بوده و دقت نهایی سیستم 91.4% است. UR - https://jmvip.sinaweb.net/article_111188.html L1 - https://jmvip.sinaweb.net/article_111188_b4ec8a366be253dfe67a3b63889ac240.pdf ER -