تشخیص هوشمند سرطان پستان از طریق شبکه های ترکیبی عمیق با استفاده از تصاویر ترموگرافی

مقدمه: سرطان پستان، شایع ترین سرطان بدخیم در زنان است و بیشتر از سایر سرطان ها باعث مرگ و میر آنان می شود. روش ترموگرافی یکی از روش های تشخیص سرطان پستان است. مهم ترین چالش در تشخیص زود هنگام از روی این تصاویر می تواند مربوط به خطای انسانی و یا عدم دسترسی به شخص ماهر باشد. استفاده از روش های هوش مصنوعی در پردازش تصاویر در تشخیص زودهنگام و کاهش خطای انسانی می تواند موثر باشد. هدف کلی این پژوهش معرفی شبکه های ترکیبی عمیق برای تشخیص هوشمند سرطان پستان از تصاویر ترموگرافی است. روش: تصاویر ترموگرافی مورد استفاده در این پژوهش از پایگاه داده DMR-IR جمع آوری شده است. ابتدا ویژگی های اصلی تصاویر توسط شبکه پیچشی عمیق CNN استخراج گردید. سپس در ادامه از دو الگوریتم FCNNs و SVM برای کلاس بندی سرطان پستان از تصاویر ترموگرافی استفاده شد. نتایج: نرخ دقت برای الگوریتم های CNN_FC و CNN-SVM، به ترتیب ۹۴/۲%، ۹۵/۰% بود. علاوه بر این، پارامترهای قابلیت اطمینان هم برای این طبقه بندی کننده ها به ترتیب ۹۲/۱%، ۹۷/۵% و حساسیت برای هر یک از این طبقه بندی کننده ها به ترتیب  ۹۵/۵%، ۹۴/۱% محاسبه شد. نتیجه گیری: مدل پیشنهادی مبتنی بر شبکه ترکیبی عمیق دقت مناسبی نسبت به الگوریتم های مشابه دارد؛ بنابراین می تواند پزشکان را در تشخیص زودهنگام سرطان پستان از طریق تصاویر ترموگرافی کمک نموده و خطای انسانی را به حداقل برساند.

Keywords:

Diagnosis , Breast Cancer , Deep Learning , Convolutional Neural Network , Thermography , تشخیص , سرطان پستان , یادگیری عمیق , شبکه عصبی کانولوشنی , ترموگرافی