[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
بخش‌های اصلی
صفحه اصلی::
اطلاعات نشریه::
آرشیو مجله و مقالات::
برای نویسندگان::
برای داوران::
ثبت نام و اشتراک::
تماس با ما::
تسهیلات پایگاه::
بایگانی مقالات زیر چاپ::
بانک ها و نمایه نامه ها::
فرم پیش نیاز ارسال مقاله::
::
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
بانک ها و نمایه ها
DOAJ
GOOGLE SCHOLAR
..
:: دوره 29، شماره 3 - ( 2-1403 ) ::
جلد 29 شماره 3 صفحات 0-0 برگشت به فهرست نسخه ها
طبقه بندی خودکار BI-RADS در گزارش های ماموگرافی با استفاده از تلفیق داده
محمد ذهابی1 ، محمد ابراهیم شیری 2، حمید حاج سید جوادی3 ، مصطفی برومندزاده4
1- گروه مهندسی کامپیوتر، واحد بروجرد، دانشگاه آزاد اسلامی، بروجرد، ایران
2- 1 گروه مهندسی کامپیوتر، واحد بروجرد، دانشگاه آزاد اسلامی، بروجرد، ایران 2 گروه ریاضی و علوم کامپیوتر، دانشگاه صنعتی امیرکبیر، تهران، ایران ، shiri@aut.ac.ir
3- گروه ریاضی و علوم کامپیوتر، دانشگاه شاهد، تهران، ایران
4- دانشکده فنی و مهندسی، گروه مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه پیام نور، تهران، ایران
چکیده:   (296 مشاهده)
زمینه و هدف: هدف اصلی این مقاله ارائه یک سیستم طبقه‌بندی خودکار با استفاده از روش‌های یادگیری ماشین و تلفیق‌داده می‌باشد که قادر است با دقت بالا و بطور یکپارچه درجه BI-RADS را مشخص کند.

روش بررسی: در این تحقیق، روش جدیدی برای استخراج خودکار طبقه‌بندی BI-RADS از گزارش‌های متنی پیشنهاد شده است. ابتدا برای انتخاب کلمات‌کلیدی از گزارش‌های متنی پزشکی، از واژگان ماموگرافی استفاده شد. سپس از تکنیک تبدیل کلمه به بردار به نام Word2Vec و همچنین از یک روش فراوانی وزنی کلمات کلیدی به نام TFIDF برای استخراج ویژگی‌ها استفاده شد که نهایتاً، با گزارش‌های سیستم اطلاعات بیمارستان (HIS) تلفیق شدند. از طبقه‌بندی‌کننده‌های مختلفی مانند شبکه‌های عصبی پیچشی، پرسپترون چندلایه، درخت تصمیم و k-نزدیک‌ترین همسایه استفاده شد که برای مقایسه آنها، روش‌های با استفاده از HIS و بدون استفاده از HIS مورد بررسی قرار گرفتند.

 
یافته‌ها: نتایج تأیید می‌کند رویکرد پیشنهادی یعنی استفاده از Word2Vec به همراه TFIDF و تلفیق آن‌ها با HIS تأثیر قابل‌توجهی بر دقت طبقه‌بندی متون پزشکی دارد. برای طبقه‌بندی سطح BI-RADS از بردارهای خروجی Word2Vec در زمانی که از TFIDF استفاده می‌شود و یا بدون استفاده از TFIDF و همچنین با تلفیق HIS و نیز بدون HIS برای طبقه‌بندی‌کننده‌های شبکه عصبی پیچشی، پرسپترون چندلایه، درخت تصمیم و k-نزدیک‌ترین همسایه استفاده شد و نتایج توسط معیارهای ارزیابی دقت، ویژگی، حساسیت، ارزش پیش‌بینی شده مثبت، ارزش پیش‌بینی شده منفی و امتیاز f1 با هم مقایسه شدند. نتایج نشان می‌دهد که بهترین دقت در روش پیشنهادی با طبقه‌بندی‌کننده پرسپترون چندلایه برابر با %98/74 می‌باشد اما بدون HIS دقت همین طبقه‌بندی‌کننده برابر با %92/23 بدست آمد.

نتیجه‌گیری: ترکیب Word2Vec با TFIDF می‌تواند دقت طبقه‌بندی متن را افزایش دهد، اما سابقه پزشکی که در تشخیص بیماری مهم است، می‌تواند دقت را بهبود ببخشد. نتایج نشان می‌دهد نباید صرفاً بر روی گزارشات پزشکی تمرکز کرد و از سایر اطلاعات بالینی و سابقه بیماران نیز باید استفاده کرد. بنابراین استفاده از HIS در کنار گزارش‌های پزشکی می‌تواند طبقه‌بندی BI-RADS را بهبود ببخشد و تأثیر مثبتی بر تشخیص و فرآیندهای درمانی داشته باشد.
واژه‌های کلیدی: طبقه‌بندی متون پزشکی، سرطان پستان، استخراج ویژگی، BIRADS، HIS
     
نوع مطالعه: پژوهشي | موضوع مقاله: عمومى
دریافت: 1402/8/17 | پذیرش: 1402/12/7 | انتشار: 1403/2/31
ارسال پیام به نویسنده مسئول

ارسال نظر درباره این مقاله
نام کاربری یا پست الکترونیک شما:

CAPTCHA


XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Zahaby M, Shiri M E, Haj Seyyd Javadi H, Boroumandzadeh M. Automatic classification of BI-RADS in mammography reports using data fusion. armaghanj 2024; 29 (3)
URL: http://armaghanj.yums.ac.ir/article-1-3554-fa.html

ذهابی محمد، شیری محمد ابراهیم، حاج سید جوادی حمید، برومندزاده مصطفی. طبقه بندی خودکار BI-RADS در گزارش های ماموگرافی با استفاده از تلفیق داده. ارمغان دانش. 1403; 29 (3)

URL: http://armaghanj.yums.ac.ir/article-1-3554-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 29، شماره 3 - ( 2-1403 ) برگشت به فهرست نسخه ها
ارمغان دانش Armaghane Danesh
Persian site map - English site map - Created in 0.05 seconds with 39 queries by YEKTAWEB 4657