راه‌اندازی نخستین شبکه عصبی پیچشی برای تشخیص بیماری‌های خونی
تاریخ انتشار :
سه شنبه ۲۳ ارديبهشت ۱۴۰۴ ساعت ۱۷:۱۵
کد مطلب : ۱۸۸۰۴
سالم‌خبر: پژوهشگران ایرانی موفق به راه‌اندازی نخستین شبکه عصبی پیچشی شدند که در پزشکی و تشخیص و رده‌بندی بیماری‌های خونی مانند لوسمی یا سرطان خون، آنمی و مالاریا استفاده و موجب صرفه‌جویی در زمان و هزینه می‌شود.
به گزارش روز سه‌شنبه گروه علمی ایرنا از بنیاد ملی علم ایران (INSF)، «شناسایی و رده‌بندی اشیاء مدور بر مبنای شبکه عصبی پیچشی» عنوان طرح پژوهشی هدیه ساجدی دانشیار دانشگاه تهران است که توانسته این طرح را با حمایت بنیاد ملی علم ایران به پایان برساند.
ساجدی با مدرک دکتری تخصصی مهندسی کامپیوتر از دانشگاه صنعتی شریف درباره این طرح توضیح داد: در دو دهه گذشته، شبکه‌های عصبی مصنوعی موجب پیدایش رویکردها و فرایندهای نوینی در حوزه‌های گوناگون یادگیری ماشین شده‌اند. در برخی از این حوزه‌ها عملکرد آن‌ها حتی از انسان نیز فراتر رفته است. یکی از پیشرفت‌های چشمگیر این شبکه‌ها در زمینه تشخیص و رده‌بندی تصاویر بوده است.
وی افزود: مسائل تشخیص و رده‌بندی تصاویر به دو صورت خودکار و غیر خودکار انجام می‌شوند. روش خودکار از طریق بینایی کامپیوتر و روش غیر خودکار به کمک متخصص حوزه مربوطه و تجهیزات آزمایشگاهی خاصی انجام می‌شود. روش خودکار نسبت به روش غیرخودکار سریعتر و دقیق‌تر است و به تجهیزات آزمایشگاهی نیز نیاز ندارد. در بین انواع مختلف شبکه‌های یادگیری عمیق، شبکه‌های عصبی پیچشی نوع خاصی از شبکه‌های عصبی چند لایه هستند که معماری آن‌ها از سیستم بینایی موجودات زنده الهام گرفته شده است.
این محقق و پژوهشگر در ادامه بیان کرد: در این طرح، ابتدا عملکرد تقریباً ضعیف شبکه‌های عصبی پیچشی قبلی بر روی اشیاء مدور میکروسکوپی در مسأله تشخیص و رده‌بندی تصاویر را به‌عنوان چالشی مهم مطرح خواهیم کرد. سپس با اجرای یکی از شبکه‌های عصبی پیچشی بر روی دو پایگاه داده حاوی اشیاء مدور میکروسکوپی در مسائل شناسایی و رده‌بندی کارایی نامطلوب آن‌ها را در مورد این مسأله خاص مشاهده خواهیم کرد.
وی تصریح کرد: تاکنون شبکه‌های عصبی پیچشی زیادی در حوزه‌های مختلف یادگیری ماشین و بینایی کامپیوتر ارائه شده‌اند. در مسائل شناسایی و رده‌بندی خودکار، تشخیص ناحیه مورد علاقه به کمک این شبکه‌ها همواره یکی از چالش‌های مهم محققان بوده است. به همین دلیل شبکه‌های عصبی پیچشی متنوعی برای آن‌ها پیشنهاد شده است. اما در همه آن‌ها اهمیت ساختار و نوع ورودی مورد توجه چندانی قرار نگرفته است.
ساجدی تأکید کرد: اگر بتوان یک شبکه عصبی پیچشی طراحی کرد تا روی ورودی‌های دارای ویژگی‌های ساختاری یکسان، متمرکز شود قطعاً شبکه‌ای مؤثرتر خواهیم داشت. در این طرح توانستیم توسط روش تبدیل هاف در لایه‌های شبکه‌های عصبی پیچشی چالش شناسایی و رده‌بندی اشیاء مدور را برطرف کنیم. همچنین از مدل توجه هم بهره بردیم تا در مسائل رده‌بندی بتوانیم ضمن کمک بیشتر به روش تبدیل هاف در استخراج نقشه‌های ویژگی کارا، دایره و انحراف از دایره را با دقت بسیار بیشتری کشف کنیم.
ساجدی در پایان خاطرنشان کرد: این طرح پژوهشی، نخستین شبکه عصبی پیچشی است که برای یک هدف معین طراحی و پیاده‌سازی شده است و با جزئیات بیشتری به مسأله و تمرکز بر روی ورودی پرداخته است. با توجه به کاربرد این طرح در همه زمینه‌ها به خصوص پزشکی می‌توان از آن در تشخیص و رده‌بندی بیماری‌های خونی مانند لوسمی یا سرطان خون، آنمی، مالاریا استفاده کرد. اجرای گسترده این طرح می‌تواند ضمن کمک به متخصصان بیمارستان‌ها، زمان تشخیص و رده‌بندی بیماری و هزینه‌های ناشی از به‌کارگیری تجهیزات مخصوص آزمایشگاهی را کاهش دهد.
به گزارش روز سه‌شنبه گروه علمی ایرنا از بنیاد ملی علم ایران (INSF)، «شناسایی و رده‌بندی اشیاء مدور بر مبنای شبکه عصبی پیچشی» عنوان طرح پژوهشی هدیه ساجدی دانشیار دانشگاه تهران است که توانسته این طرح را با حمایت بنیاد ملی علم ایران به پایان برساند.
ساجدی با مدرک دکتری تخصصی مهندسی کامپیوتر از دانشگاه صنعتی شریف درباره این طرح توضیح داد: در دو دهه گذشته، شبکه‌های عصبی مصنوعی موجب پیدایش رویکردها و فرایندهای نوینی در حوزه‌های گوناگون یادگیری ماشین شده‌اند. در برخی از این حوزه‌ها عملکرد آن‌ها حتی از انسان نیز فراتر رفته است. یکی از پیشرفت‌های چشمگیر این شبکه‌ها در زمینه تشخیص و رده‌بندی تصاویر بوده است.
وی افزود: مسائل تشخیص و رده‌بندی تصاویر به دو صورت خودکار و غیر خودکار انجام می‌شوند. روش خودکار از طریق بینایی کامپیوتر و روش غیر خودکار به کمک متخصص حوزه مربوطه و تجهیزات آزمایشگاهی خاصی انجام می‌شود. روش خودکار نسبت به روش غیرخودکار سریعتر و دقیق‌تر است و به تجهیزات آزمایشگاهی نیز نیاز ندارد. در بین انواع مختلف شبکه‌های یادگیری عمیق، شبکه‌های عصبی پیچشی نوع خاصی از شبکه‌های عصبی چند لایه هستند که معماری آن‌ها از سیستم بینایی موجودات زنده الهام گرفته شده است.
این محقق و پژوهشگر در ادامه بیان کرد: در این طرح، ابتدا عملکرد تقریباً ضعیف شبکه‌های عصبی پیچشی قبلی بر روی اشیاء مدور میکروسکوپی در مسأله تشخیص و رده‌بندی تصاویر را به‌عنوان چالشی مهم مطرح خواهیم کرد. سپس با اجرای یکی از شبکه‌های عصبی پیچشی بر روی دو پایگاه داده حاوی اشیاء مدور میکروسکوپی در مسائل شناسایی و رده‌بندی کارایی نامطلوب آن‌ها را در مورد این مسأله خاص مشاهده خواهیم کرد.
وی تصریح کرد: تاکنون شبکه‌های عصبی پیچشی زیادی در حوزه‌های مختلف یادگیری ماشین و بینایی کامپیوتر ارائه شده‌اند. در مسائل شناسایی و رده‌بندی خودکار، تشخیص ناحیه مورد علاقه به کمک این شبکه‌ها همواره یکی از چالش‌های مهم محققان بوده است. به همین دلیل شبکه‌های عصبی پیچشی متنوعی برای آن‌ها پیشنهاد شده است. اما در همه آن‌ها اهمیت ساختار و نوع ورودی مورد توجه چندانی قرار نگرفته است.
ساجدی تأکید کرد: اگر بتوان یک شبکه عصبی پیچشی طراحی کرد تا روی ورودی‌های دارای ویژگی‌های ساختاری یکسان، متمرکز شود قطعاً شبکه‌ای مؤثرتر خواهیم داشت. در این طرح توانستیم توسط روش تبدیل هاف در لایه‌های شبکه‌های عصبی پیچشی چالش شناسایی و رده‌بندی اشیاء مدور را برطرف کنیم. همچنین از مدل توجه هم بهره بردیم تا در مسائل رده‌بندی بتوانیم ضمن کمک بیشتر به روش تبدیل هاف در استخراج نقشه‌های ویژگی کارا، دایره و انحراف از دایره را با دقت بسیار بیشتری کشف کنیم.
ساجدی در پایان خاطرنشان کرد: این طرح پژوهشی، نخستین شبکه عصبی پیچشی است که برای یک هدف معین طراحی و پیاده‌سازی شده است و با جزئیات بیشتری به مسأله و تمرکز بر روی ورودی پرداخته است. با توجه به کاربرد این طرح در همه زمینه‌ها به خصوص پزشکی می‌توان از آن در تشخیص و رده‌بندی بیماری‌های خونی مانند لوسمی یا سرطان خون، آنمی، مالاریا استفاده کرد. اجرای گسترده این طرح می‌تواند ضمن کمک به متخصصان بیمارستان‌ها، زمان تشخیص و رده‌بندی بیماری و هزینه‌های ناشی از به‌کارگیری تجهیزات مخصوص آزمایشگاهی را کاهش دهد.
