کاربردهای یادگیری عمیق در تصویربرداری سرطان پستان: دستاوردهای گذشته و چالش های آینده

از سال ۲۰۲۰، سرطان سینه به شایع ترین بدخیمی تشخیص داده شده در سراسر جهان تبدیل شده است. نقش تصویربرداری پستان در تشخیص زودهنگام و مداخله برای بهبود نتایج بیمار بسیار مهم است. در دهه گذشته، یادگیری عمیق انقلابی در تجزیه و تحلیل تصویربرداری سرطان پستان ایجاد کرده است و پیشرفت های قابل توجهی در تفسیر داده های پیچیده از روش های مختلف تصویربرداری ارائه می دهد. با تکامل سریع فناوری یادگیری عمیق و افزایش بروز سرطان سینه، مرور دستاوردهای گذشته و شناسایی چالش های آینده ضروری است. این مقاله بررسی گسترده ای از تحقیقات تصویربرداری سرطان پستان مبتنی بر یادگیری عمیق را ارائه می دهد که بر مطالعات مربوط به ماموگرافی، سونوگرافی، تصویربرداری تشدید مغناطیسی و تصاویر آسیب شناسی دیجیتال در ده سال گذشته تمرکز دارد. روش های یادگیری عمیق اولیه و کاربردهای آن ها در غربالگری، تشخیص، پیش بینی پاسخ درمان و پیش آگهی مبتنی بر تصویربرداری را برجسته می کند. بر اساس یافته های تحقیق، ما چالش ها را مورد بحث قرار می دهیم و جهت های تحقیقاتی بالقوه آینده در تصویربرداری سرطان پستان مبتنی بر یادگیری عمیق را پیشنهاد می کنیم.

کاربردهای یادگیری عمیق در تصویربرداری سرطان پستان: دستاوردهای گذشته و چالش های آینده Keywords:

ماموگرافی , سونوگرافی , تصویربرداری تشدید مغناطیسی , یادگیری عمیق