استفاده از یادگیری عمیق در شناسایی بیماری سرطان سینه

بیماری سرطان سینه یکی از شایع ترین بیماری های کنونی است که افراد زیادی از آن رنج می برند و تلفات بسیار زیادی را در سال های اخیر دا شته است. بااستفاده از تکنولوژی، قدرت کامپیوترها و شناسایی زودهنگام بیماری ها (مخصوصا بیماری های سرطان سینه) می توان قبل از وقوع بیماری به تشخیص دقیقآن کمک کرد، با این کار می توان جان بسیاری از مردم را نجات داد. یادگیری عمیق یکی از زیر رشته های یادگیری ما شین است که در آن سعی می شود بااستفاده از معماری های سلسله مراتبی انتزاعی و ویژگی های سطح بالای موجود در داده ها، یادگیری انجام شود. این روش ها به صورت گسترده ای در دامنه های مختلفی از یادگیری ماشین و بخصوص بینایی کامپیوتر مورد استفاده قرار می گیرند. در این مقاله رویکرد های مختلف نظیر شبکه کانولوشنی، شبکه VGG و شبکه کپسول را برای طبقه بندی سرطان سینه پیشنهاد دادیم. بهترین نتیجه بد ست آمده بر روی مجموعه داده ها ترکیب شبکه های کانولو شنی، VGG، یادگیری انتقالی و ویژگی های استخراج شده از مجموعه داده ها است که این مدل به دقت 68.4 درصد رسیده است.