عنوان
يك چارچوب يادگيري عميق چندوجهي براي تشخيص زودهنگام سرطان پستان با استفاده از داده‌هاي تصويربرداري پستان
نويسنده اصلي
شهاب، بارق
محل تحصيل
اصفهان : دانشگاه صنعتي اصفهان
رشته تحصيلي
مهندسي كامپيوتر
مقطع تحصيلي
كارشناسي ارشد
چكيده
سرطان پستان يكي از شايع‌ترين علل مرگ‌ومير ناشي از سرطان در زنان است و تشخيص زودهنگام آن نقش مهمي در بهبود پيامد باليني و كاهش مرگ‌ومير دارد [1]. روش‌هاي تصويربرداري تك‌مودي، مانند ماموگرافي، به‌ويژه در بافت پستان متراكم، با محدوديت‌هايي در حساسيت مواجه‌اند. ازاين‌رو، همجوشي چندوجهي Multimodal Fusion داده‌هاي تصويربرداري به‌عنوان راهكاري براي بهبود تشخيص به‌كمك رايانه مورد توجه قرار گرفته است [2].
در اين پژوهش، يك چارچوب يادگيري عميق چندوجهي مبتني بر معماري تركيبي شبكه عصبي كانولوشني–ترنسفورمر CNN–Transformerبراي تشخيص زودهنگام سرطان پستان ارائه شده است كه تصاوير جفت‌شده ماموگرافي و سونوگرافي هر بيمار را به‌صورت هم‌زمان پردازش مي‌كند. ارزيابي بر روي مجموعه‌داده چندوجهي BCMID [3] انجام شد كه پس از حذف ركوردهاي فاقد برچسب، شامل 327 بيمار، شامل 264 مورد منفي و 63 مورد مثبت، بود. داده‌ها در سطح بيمار و به‌صورت لايه‌اي با نسبت 80/10/10 به مجموعه‌هاي آموزش، اعتبارسنجي و آزمايش تقسيم شدند. در چارچوب پيشنهادي، دو شاخه ResNet18 پيش‌آموزش‌ديده ويژگي‌هاي دو مُد را استخراج كرده و ويژگي‌هاي حاصل پس از افزودن كدگذاري مكاني و مُد، به همراه يك توكن يادگرفتني، به يك رمزگذار Transformer دو لايه وارد مي‌شوند تا همجوشي بين‌وجهي انجام شود. همچنين، براي مقابله با عدم‌تعادل كلاس‌ها از نمونه‌بردار تصادفي وزن‌دار و آنتروپي متقاطع وزن‌دار استفاده شد.
نتايج مجموعه آزمايش نشان داد كه مدل به دقت 78/8 درصد، بازخواني 83/3 درصد، F1 كلان 72/3 درصد و سطح زير منحني ROC برابر 92/0 دست مي‌يابد. بازخواني 83/3 درصد نشان‌دهنده شناسايي بخش قابل‌توجهي از نمونه‌هاي سرطاني واقعي است كه در تشخيص زودهنگام اهميت دارد. همچنين، F1 كلان 72/3 درصد بيانگر توازن ميان صحت و بازخواني و AUC برابر 92/0 نشان‌دهنده توانايي مناسب مدل در تفكيك دو كلاس در آستانه‌هاي مختلف است. در مجموع، نتايج نشان مي‌دهد كه همجوشي بين‌وجهي ماموگرافي و سونوگرافي در چارچوب CNN–Transformer مي‌تواند عملكرد قابل‌قبولي در تشخيص سرطان پستان، به‌ويژه در شرايط عدم‌تعادل كلاس‌ها، ارائه دهد.
شماره ركورد
238420
گرايش رشته تحصيلي
هوش مصنوعي و رباتيك
دانشكده
مهندسي برق و كامپيوتر
دانشگاه
دانشگاه صنعتي اصفهان