پیشنهاده کارشناسی ارشد 1400
پدیدآور: فریده سعادتی 
استاد راهنما: مهدی بهلولی
دانشگاه تحصیلات تکمیلی علوم پایه زنجان، دانشکده علوم رایانه و فن‌آوری اطلاعات
چکیده

از آنجایی که تشخیص سرطان از بسیاری جهات حیاتی است، همه روش‌های کامپیوتری باید به اندازه کافی دقیق باشند تا به جای انسان یا در کنار آن، تصمیمی اتخاذ کنند یا پیشنهاد دهند. در این میان، الگوریتم های یادگیری عمیق پیشرفت قابل توجهی در دقت الگوریتم یادگیری ماشین داشتند. آنها قدرت محاسباتی را برای پردازش مخازن بزرگتر تصاویر دیجیتال برای آموزش الگوریتم افزایش می دهند. اندازه و کیفیت مجموعه داده‌ها، فاکتورهای حیاتی برای عملکرد و دقت الگوریتم یادگیری عمیق (DL) هستند. بسته به مجموعه آموزشی (بخشی از مجموعه داده مورد استفاده برای اهداف آموزشی)، الگوریتم های مختلف ممکن است بسته به شرایط متعدد دقت‌های متفاوتی را ارائه دهند. با وجود این عوامل، مجموعه داده‌ها نیز می توانند سوگیری باشند. با این وجود، یک مجموعه داده با اندازه خوب غنی شده با تصاویر کیفی مناسب، دائماً عملکرد هر الگوریتم را بهبود می بخشد. حوزه های مجموعه داده های پزشکی با چالش های زیادی روبرو هستند. زیرا تعداد داده‌های مربوط به بیماری‌های نادر به‌ویژه برای تشخیص بر اساس تصویر پزشکی کم است. داده های نامتعادل یکی از این چالش هایی است که بر عملکرد مدل های یادگیری ماشینی (ML) و DL تأثیر می گذارد. هدف بیشتر تحقیقات این است که چگونه عملکرد آن بهبود یابد. روش‌های زیاری برای حل مشکلات پایگاه‌های داده‌های نامتوازن ارائه شده است اما اغلب این روش‌ها با مشکلاتی از قبیل از دست دادن داده، بیش برازش، همپوشانی داده‌ها و داده‌های نویزدار مواجه هستند. هدف ما در این پژوهش استفاده ار روش‌های جدید برای حل مشکلات پایگاه‌های داده‌های نامتوازن است.