<?xml version="1.0" encoding="utf-8"?>
<journal>
<title>Scientific Journal ASR-E-BARQ</title>
<title_fa>فصل نامه علمی عصر برق</title_fa>
<short_title>عصر برق</short_title>
<subject>Engineering &amp; Technology</subject>
<web_url>http://kiaeee.ir</web_url>
<journal_hbi_system_id>1</journal_hbi_system_id>
<journal_hbi_system_user>admin</journal_hbi_system_user>
<journal_id_issn>2588-3828</journal_id_issn>
<journal_id_issn_online>2588-3828</journal_id_issn_online>
<journal_id_pii></journal_id_pii>
<journal_id_doi></journal_id_doi>
<journal_id_iranmedex></journal_id_iranmedex>
<journal_id_magiran></journal_id_magiran>
<journal_id_sid></journal_id_sid>
<journal_id_nlai></journal_id_nlai>
<journal_id_science></journal_id_science>
<language>fa</language>
<pubdate>
	<type>jalali</type>
	<year>1397</year>
	<month>12</month>
	<day>1</day>
</pubdate>
<pubdate>
	<type>gregorian</type>
	<year>2019</year>
	<month>3</month>
	<day>1</day>
</pubdate>
<volume>3</volume>
<number>11</number>
<publish_type>online</publish_type>
<publish_edition>1</publish_edition>
<article_type>fulltext</article_type>
<articleset>
	<article>


	<language>fa</language>
	<article_id_doi></article_id_doi>
	<title_fa>پردازش تصاویر پزشکی با استفاده از شبکه های عصبی کانولوشن عمیق</title_fa>
	<title></title>
	<subject_fa>تخصصي</subject_fa>
	<subject>Special</subject>
	<content_type_fa>علمی- ترویجی</content_type_fa>
	<content_type>Scientific-extension</content_type>
	<abstract_fa>&lt;span style=&quot;font-family:b nazanin;&quot;&gt;&lt;span style=&quot;font-size:12.0pt;&quot;&gt;حوزه پردازش تصاویر پزشکی بازه وسیعی از کاربردها از تشخیص دیابت چشمی از روی تصاویر شبکیه چشم تا بخش &amp;shy;بندی تصاویر &lt;/span&gt;&lt;/span&gt;&lt;span dir=&quot;LTR&quot;&gt;&lt;span style=&quot;font-size:12.0pt;&quot;&gt;MRI&lt;/span&gt;&lt;/span&gt; &lt;span style=&quot;font-family:b nazanin;&quot;&gt;&lt;span style=&quot;font-size:12.0pt;&quot;&gt;جهت تشخیص تومورهای مغر انسان را در بر می &amp;shy;گیرد. نگرش&amp;shy;&lt;/span&gt;&lt;/span&gt; &lt;span style=&quot;font-family:b nazanin;&quot;&gt;&lt;span style=&quot;font-size:12.0pt;&quot;&gt;های متعدد دسته&amp;shy; بندی و خوشه &amp;shy;بندی مبتنی بر یادگیری ماشین در مقالات جهت بهبود دقت در غربال&amp;shy;گری بیماری&amp;shy;&lt;/span&gt;&lt;/span&gt; &lt;span style=&quot;font-family:b nazanin;&quot;&gt;&lt;span style=&quot;font-size:12.0pt;&quot;&gt;ها ارائه شده است. بعضی از این روش&amp;shy;&lt;/span&gt;&lt;/span&gt; &lt;span style=&quot;font-family:b nazanin;&quot;&gt;&lt;span style=&quot;font-size:12.0pt;&quot;&gt;ها مبتنی بر استخراج ویژگی&amp;shy;&lt;/span&gt;&lt;/span&gt; &lt;span style=&quot;font-family:b nazanin;&quot;&gt;&lt;span style=&quot;font-size:12.0pt;&quot;&gt;ها از روی تصاویر پزشکی به &amp;shy;صورت دستی بوده و توسط متخصصین پردازش تصویر با صرف زمان و انرژی زیاد، صورت می&amp;shy;&lt;/span&gt;&lt;/span&gt; &lt;span style=&quot;font-family:b nazanin;&quot;&gt;&lt;span style=&quot;font-size:12.0pt;&quot;&gt;پذیرد. در سال&amp;shy;&lt;/span&gt;&lt;/span&gt; &lt;span style=&quot;font-family:b nazanin;&quot;&gt;&lt;span style=&quot;font-size:12.0pt;&quot;&gt;های اخیر روشی جدید برای تشخیص و طبقه &amp;shy;بندی تصاویر پزشکی بدون نیاز به استخراج ویژگی&amp;shy;&lt;/span&gt;&lt;/span&gt; &lt;span style=&quot;font-family:b nazanin;&quot;&gt;&lt;span style=&quot;font-size:12.0pt;&quot;&gt;ها به&amp;shy;&lt;/span&gt;&lt;/span&gt; &lt;span style=&quot;font-family:b nazanin;&quot;&gt;&lt;span style=&quot;font-size:12.0pt;&quot;&gt;صورت دستی، مبتنی بر شبکه&amp;shy;&lt;/span&gt;&lt;/span&gt; &lt;span style=&quot;font-family:b nazanin;&quot;&gt;&lt;span style=&quot;font-size:12.0pt;&quot;&gt;های عصبی کانولوشن ارائه شده است. این دسته از شبکه&amp;shy;&lt;/span&gt;&lt;/span&gt; &lt;span style=&quot;font-family:b nazanin;&quot;&gt;&lt;span style=&quot;font-size:12.0pt;&quot;&gt;های عصبی که مبتنی بر فرآیند یادگیری عمیق ارائه شده &amp;shy;اند نسبت به شبکه &amp;shy;های عصبی معمولی به علت داشتن لایه&amp;shy;&lt;/span&gt;&lt;/span&gt; &lt;span style=&quot;font-family:b nazanin;&quot;&gt;&lt;span style=&quot;font-size:12.0pt;&quot;&gt;های کانولوشن و مخفی بیشتر در زمینه کار با ورودی &amp;shy;های با ابعاد بالاتر مانند تصاویر دارای توانمندی بیشتری هستند. یک معضل جدی در آموزش یک شبکه عصبی کانولوشن با یادگیری عمیق، به موضوع آموزش آنها از ابتدا باز می&amp;shy;&lt;/span&gt;&lt;/span&gt; &lt;span style=&quot;font-family:b nazanin;&quot;&gt;&lt;span style=&quot;font-size:12.0pt;&quot;&gt;گردد این معضل ناشی از کمبود داده &amp;shy;های طبقه&amp;shy;&lt;/span&gt;&lt;/span&gt; &lt;span style=&quot;font-family:b nazanin;&quot;&gt;&lt;span style=&quot;font-size:12.0pt;&quot;&gt;بندی شده جهت آموزش و زمان&amp;shy;&lt;/span&gt;&lt;/span&gt; &lt;span style=&quot;font-family:b nazanin;&quot;&gt;&lt;span style=&quot;font-size:12.0pt;&quot;&gt;بر بودن فرآیند آموزش تا یک همگرایی مناسب است. بنابراین یک روش متداول برای آموزش شبکه&amp;shy;&lt;/span&gt;&lt;/span&gt; &lt;span style=&quot;font-family:b nazanin;&quot;&gt;&lt;span style=&quot;font-size:12.0pt;&quot;&gt;های عصبی کانولوشن بر روی داده &amp;shy;های پزشکی، بر اساس باز تنظیم شبکه &amp;shy;های از پیش آموزش یافته، می &amp;shy;باشد. برخی از مهمترین و نیرومندترین شبکه&amp;shy;&lt;/span&gt;&lt;/span&gt; &lt;span style=&quot;font-family:b nazanin;&quot;&gt;&lt;span style=&quot;font-size:12.0pt;&quot;&gt;های عصبی کانولوشن که بر روی بانک&amp;shy;&lt;/span&gt;&lt;/span&gt; &lt;span style=&quot;font-family:b nazanin;&quot;&gt;&lt;span style=&quot;font-size:12.0pt;&quot;&gt;های اطلاعات تصاویر، نظیر بانک اطلاعات تصاویر &lt;/span&gt;&lt;/span&gt;&lt;span dir=&quot;LTR&quot;&gt;&lt;span style=&quot;font-size:12.0pt;&quot;&gt;ImageNet&lt;/span&gt;&lt;/span&gt; &lt;span style=&quot;font-family:b nazanin;&quot;&gt;&lt;span style=&quot;font-size:12.0pt;&quot;&gt;با بیش از یک میلیون تصویر، آموزش دیده &amp;shy;اند شامل شبکه سیفارنت &lt;/span&gt;&lt;/span&gt;&lt;span dir=&quot;LTR&quot;&gt;&lt;span style=&quot;font-size:12.0pt;&quot;&gt;(CifarNet)&lt;/span&gt;&lt;/span&gt;&lt;span style=&quot;font-family:b nazanin;&quot;&gt;&lt;span style=&quot;font-size:12.0pt;&quot;&gt;، الکس&amp;shy;نت &lt;/span&gt;&lt;/span&gt;&lt;span dir=&quot;LTR&quot;&gt;&lt;span style=&quot;font-size:12.0pt;&quot;&gt;(AlexNet)&lt;/span&gt;&lt;/span&gt; &lt;span style=&quot;font-family:b nazanin;&quot;&gt;&lt;span style=&quot;font-size:12.0pt;&quot;&gt;و گوگل&amp;shy;نت&lt;/span&gt;&lt;/span&gt;&lt;span dir=&quot;LTR&quot;&gt;&lt;span style=&quot;font-size:12.0pt;&quot;&gt;(GoogleNet)&lt;/span&gt;&lt;/span&gt; &lt;span style=&quot;font-family:b nazanin;&quot;&gt;&lt;span style=&quot;font-size:12.0pt;&quot;&gt;است. که جهت بازتنظیم آنها در تشخیص تصاویر پزشکی با کاربردهای خاص و با تعداد محدودی از تصاویر، می &amp;shy;توان بهره برد&lt;/span&gt;&lt;/span&gt;&lt;span dir=&quot;LTR&quot;&gt;&lt;span style=&quot;font-size:12.0pt;&quot;&gt;.&lt;/span&gt;&lt;/span&gt;&lt;br&gt;
&amp;nbsp;</abstract_fa>
	<abstract></abstract>
	<keyword_fa>شبکه های عصبی کانولوشن, شبکه کانولوشن گوگل نت, شبکه الکس نت, شبکه سیفارنت, بانک اطلاعات تصاویر ImageNet.</keyword_fa>
	<keyword></keyword>
	<start_page>23</start_page>
	<end_page>28</end_page>
	<web_url>http://kiaeee.ir/browse.php?a_code=A-10-162-6&amp;slc_lang=fa&amp;sid=1</web_url>


<author_list>
	<author>
	<first_name>ali</first_name>
	<middle_name></middle_name>
	<last_name>karsaz</last_name>
	<suffix></suffix>
	<first_name_fa>علی</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>کارساز</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>karsaz@khorasan.ac.ir</email>
	<code>1003194753284600529</code>
	<orcid>1003194753284600529</orcid>
	<coreauthor>Yes
</coreauthor>
	<affiliation></affiliation>
	<affiliation_fa>موسسه آموزش عالی خراسان</affiliation_fa>
	 </author>


	<author>
	<first_name>saboora</first_name>
	<middle_name></middle_name>
	<last_name>mohammadian rashan</last_name>
	<suffix></suffix>
	<first_name_fa>صبورا</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>محمدیان روشن</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>saboora.m.roshan@gmail.com</email>
	<code>1003194753284600530</code>
	<orcid>1003194753284600530</orcid>
	<coreauthor>No</coreauthor>
	<affiliation></affiliation>
	<affiliation_fa>موسسه آموزش عالی خراسان</affiliation_fa>
	 </author>


</author_list>


	</article>
</articleset>
</journal>
