تشخيص سرطان سينه از تصاوير هيستولوژي (بافت شناسي) با استفاده از يادگيري عميق و يادگيري انتقالي

اصفهان : دانشگاه صنعتي اصفهان

مهندسي صنايع و سيستم ها

كارشناسي ارشد

تشخيص به موقع و زودهنگام سرطان به يك ضرورت در تحقيقات سرطان تبديل شده‌است، زيرا مي‌تواند روش هاي درمان بيماران را آسان‌تر كند و احتمال بهبود كامل را افزايش دهد. اهميت دسته‌بندي بيماران سرطاني به گروه‌هاي خوش خيم يا بدخيم، بسياري از محققان را به مطالعه كاربرد روش‌هاي يادگيري ماشين سوق داده‌است. زير مجموعه‌اي از يادگيري ماشين به نام يادگيري عميق نيز در اين حوزه كاربرد هاي خاصي دارد كه با استفاده از شبكه هاي عصبي به تحليل تصاوير پزشكي از جمله تصاوير تومور هاي سرطاني مي‌پردازد ولذا اين تكنيك‌ها براي مدل‌سازي دسته‌بندي سرطان مورد استفاده قرار گرفته‌اند. انواع مختلفي از اين تكنيك‌ها، ازجمله شبكه هاي عصبي پيچشي به طور گسترده در تحقيقات سرطان براي دسته‌بندي به كار گرفته شده‌اند كه منجر به تصميم گيري‌هاي دقيق و مؤثر مي‌شوند. شبكه هاي عصبي پيچشي به گونه اي طراحي شده‌اند كه به خوبي مي‌توانند اطلاعات تصاوير را استخراج كنند و به همين دليل از آن ها براي پردازش تصاوير پزشكي نيز استفاده مي‌شود. از طرفي شبكه هاي عصبي پيچشي به داده هاي زيادي نياز دارند تا آموزش ببينند و اين يك محدوديت است كه مي‌توان آن را با استفاده از يادگيري انتقالي و مدل هاي از پيش آموزش ديده كه قبلا بر روي تصاوير زيادي آموزش ديده‌اند برطرف كرد. بنابراين با استفاده از شبكه هاي از پيش آموزش ديده مي‌توان معماري هاي خاصي از شبكه هاي عصبي طراحي كرد كه تصاوير را بصورت كارا تري دسته‌بندي كنند. در تحقيق هاي بررسي شده از ادبيات موضوع اگرچه محققان براي تشخيص سرطان سينه به صحت بالايي دست پيدا كرده‌اند اما براساس بيشترين صحت بدست آمده در هر تحقيق از ادبيات موضوع مقدار حساسيت قابل توجهي بدست نيامده‌است. از طرفي صحت بالا به تنهايي كافي نيست چرا كه اگر معيار حساسيت مقدار قابل توجهي نداشته باشد باتوجه به مقدار مربوطه برخي از نمونه هاي بدخيم به درستي تشخيص داده نمي‌شود و باتوجه به اينكه در پزشكي حفظ جان انسان بسيار اهميت دارد معيار حساسيت نيز بسيار مهم است. در اين تحقيق از يك مدل جديد مبتني بر دو شبكه موازي رزنت50 و رزنت50 وي2 و دو شبكه موازي موبايل‌نت‌وي1 و موبايل‌نت‌وي2 با رويكرد يادگيري انتقالي براي دسته‌بندي تصاوير هيستولوژي(بافت شناسي) تومور هاي خوش‌خيم و بدخيم سينه استفاده شده‌است و مقدار حساسيت از مقدار حساسيت بدست آمده در همه‌ي تحقيق هاي بررسي شده از ادبيات موضوع بيشتر شده‌است. مدل مربوطه به ترتيب به صحت، حساسيت، اختصاصي بودن، ارزش اخباري مثبت(دقت) و امتياز اف1 برابر با 98/99، 99/54، 97/78، 98/99 و 99/26 درصد رسيد.

220585

سيستم هاي كلان

مهندسي صنايع و سيستم ها

دانشگاه صنعتي اصفهان