آنالیز تصاویر پزشکی با استفاده از شبکه عصبی عمیق

در رشته پزشکی، تشخیص بیماری با استفاده از پردازش تصویر به شایستگی انجام میشود. به گونه ای که برای بازیابی داده های مربوطه از آمیختگی تصویر به دست آمده بسیار سخت میباشد. در اینجا پردازش توسط یادگیری نیمه تحت نظارت انجام شده و سپس نتیجه با استفاده از شبکه عصبی یادگیری عمیق تنظیم شده است. تنظیم عالی نتایج منجر به تشخیص کارآمد بیماری خواهد شد. با الهام گرفتن از موفقیت های اخیر یادگیری عمیق، بهخصوص شبکه های عصبی عمیق در حوزه های مختلف یادگیری ماشین و دسته بندی تصاویر به طور دقیق تر، دو هدف اصلی در این مقاله دنبال خواهد شد در مرحله اول، ارزیابی یادگیری انتقالی از طریق مدلهای عمیق برای حوزه آنالیز تصاویر پزشکی صورت میگیرد. کم بودن تعداد تصاویر هیستوپاتولوژی نسبت به سایر تصاویر عمومی و بار محاسباتی سنگین آموزش شبکه های عمیق، انگیزه انتقال دانش از حوزه های دیگر به حوزه تصاویر هیستوپاتولوژی را ایجاد کرده است. به منظور بررسی احتمال انتقال چنین دانشی، شبکه های عمیقی که با تصاویر غیرپزشکی و برای اهداف طبقه بندی آموزش دیده بودند، مورد ارزیابی قرار گرفتهاند. تمام مدلهای مورد ارزیابی، شبکه های عصبی کانولوشنی بوده و با تعداد زیادی از تصاویر غیرپزشکی آموزش دیدهاند. به منظور ارزیابی یادگیری انتقالی، هفده مدل پیش آموزش دیده شناخته شده عمیق مورد بررسی قرار گرفته و بهترین آنها برای دسته بندی تصاویر هیستوپاتولوژی شناسایی خواهند شد در مرحله بعد، تنظیم دقیق یک مدل عمیق برای دسته بندی و آنالیز تصاویر هیستوپاتولوژی مورد ارزیابی قرار خواهد گرفت.شبیه سازیها بر روی پایگاه دادهADL و که پایگاه داده چالش برانگیز در حوزه تصاویر هیستوپاتولوژی هستند صورت خواهد گرفت هدف از این مقاله استفاده از روشهای شبکه عصبی عمیق جهت تشخیص بهتر پروتکلها و سکانسها و پالسها متناسب با ناحیه آناتومیک تصاویر پزشکی میباشد و رده بندی نمودن تصاویر پزشکی با استفاده از شبکه عصبی عمیق دقت تشخیص بیماریها را بهبود میدهد.

Keywords:

شبکه عصبی عمیق , پردازش تصویر , تصاویر پزشکی , یادگیری عمیق , شبکه عصبی کانولوشنی عمیق