تشخیص سرطان پستان از روی تصاویر هیستوپاتولوژی با استفاده از یادگیری عمیق | ||
| زیست فناوری | ||
| Article 5, Volume 15, Issue 2 - Serial Number 41, 1403, Pages 113-130 PDF (1.78 M) | ||
| Document Type: پژوهشی اصیل | ||
| Authors | ||
| سیما سادات لاجوردی1; عبداله اله رودی* 2; سیده سمانه شجاعی لنگری3 | ||
| 1گروه بیوفیزیک. دانشکده علوم زیستی. دانشگاه تربیت مدرس | ||
| 2دانشگاه تربیت مدرس، دانشکده علوم زیستی. گروه بیوفیزیک | ||
| 3پژوهشکده برق و فناوری اطلاغات. سازمان پژوهشهای علمی و صنعتی ایران | ||
| Abstract | ||
| سرطان یکی از شایعترین علل مرگ و میر در جهان است. سرطان پستان فراوان ترین سرطان در بین زنان است و سالیانه باعث میزان بالایی از مرگ و میر می شود. معتبرترین و مطمئن ترین روش برای مدیریت موفق سرطان، تشخیص دقیق و زود هنگام است. در مقابل، عدم تشخیص به موقع منجر به گسترش سرطان در بدن می شود، در نتیجه درمان و کنترل آن را دشوار می نماید. روش استاندارد طلایی برای تشخیص سرطان پستان، بیوپسی است. به طور معمول از روش های دستی و بصری برای تشخیص سرطان استفاده می شود و پاتولوژیست اسلاید های هیستوپاتولوژی را زیر میکروسکوپ بررسی می نماید که این نوع تشخیص به زمان زیاد و تخصص بالایی احتیاج دارد و بسیار مستعد خطاست، به همین دلیل استفاده از سیستم تشخیص رایانه ای(CAD) برای کمک به پزشکان در جهت بهبود کارایی تفسیر تصاویر پزشکی ضروری است. در این مطالعه ما از مدل های یادگیری عمیق، خصوصا شبکه های عصبی کانولوشنی (CNNs) برای تشخیص سرطانی بودن یا نبودن تصاویر هیستوپاتولوژیک استفاده می کنیم. میزان AUC، صحت و امتیاز F1 به دست آمده با استفاده از شبکه ی عصبی عمیق از پیش آموزش داده شده Incetion-V3 به ترتیب برابر 36/98 % ، 28/95 % و 25/97 % است و همین پارامترها برای شبکه ی عصبی عمیق از پیش آموزش داده شده ی ResNet-18 برابر با 90/97 % ، 46/97 % و 22/98 % می باشد. مدل ارائه شده قادر است برای مورفولوژی های متفاوت بافت پستان، پاسخ قابل توجهی ارائه دهد. | ||
| Keywords | ||
| سرطان پستان; تصاویر هیستوپاتولوژی; یادگیری عمیق; شبکههای عصبی کانولوشنی (CNNs) | ||
| References | ||
|
| ||
|
Statistics Article View: 187 PDF Download: 82 |
||
| Number of Journals | 45 |
| Number of Issues | 2,162 |
| Number of Articles | 24,582 |
| Article View | 20,466,160 |
| PDF Download | 16,297,953 |