مقدمه

مواد و روش ها

نتایج

بحث و گفتگو

نتیجه گیری

بحث و گفتگو

این مطالعه شکنندگی و عدم انعطاف را نمایان کرد به عبارت دیگر آسیب پذیری شبکه های عصبی پیچشی (CNNs) نسبت به تغییرات کوچک و جزئی ورودی برای سه معماری رایج و متداول شبکه عصبی پیچشی (CNN) (ResNet50, DenseNet121, VGG16). تأثیر بالقوه ی این پدیده روی سیستم های کمکی مبتنی بر هوش مصنوعی (AI) در کلینیک و درمانگاه به اندازه ی کافی توجهات را به خود جلب نکرده است. سه روش متفاوت برای کاهش شکنندگی و عدم انعطاف مورد بررسی قرار گرفت (داده افزایی اضافی، افزایش زمان تست، خوشنماسازی) تا ثابت شود که این روش ها تا حدودی روی تغییرات مصنوعی تصویر مثل چرخش، تغییر روشنایی یا زوم و بزرگنمایی تأثیرگذار هستند، اما روی تغییرات طبیعی تصویر حاصل از تفاوت های موجود در تصویربرداری تأثیر چندانی ندارند.