|
Title
|
ارائه یک معماری یادگیری عمیق ترکیبی برای بخش بندی تصاویر ضایعات پوستی
|
|
Type of Research
|
Thesis
|
|
Keywords
|
یادگیری عمیق، بخش بندی، ضایعات پوستی، سرطان پوست، بینایی ماشین، شبکه های عصبی کانولوشنی
|
|
Abstract
|
سرطان پوست یکی از شایع ترین انواع سرطان در جهان است که با رشد غیرطبیعی سلول های پوستی آغاز می شود. این بیماری در مراحل اولیه ممکن است بدون علامت باشد، اما در صورت پیشرفت، می تواند عوارض جدی به همراه داشته باشد. تشخیص زودهنگام ضایعات پوستی مشکوک به سرطان، مانند ملانوما نقش بسیار مهمی در افزایش شانس درمان موفق دارد. با توجه به تنوع و پیچیدگی ظاهری ضایعات پوستی، تشخیص دقیق آن ها نیازمند مهارت بالای متخصصان پوست است. اما محدودیت زمان و منابع پزشکی، تشخیص سریع و دقیق را به چالشی اساسی تبدیل کرده است. در این راستا، فناوری های هوش مصنوعی و یادگیری عمیق می توانند با تحلیل خودکار تصاویر پوستی، به تشخیص زودهنگام ضایعات سرطانی کمک کنند
|
|
Researchers
|
(Student)، Mahdi Hashemzadeh (Primary Advisor)، Esmaeil Nourani (Advisor)
|