تشخیص خوش خیم یا بدخیم بودن توده های جامد پستان مبتنی بر مفاهیم یادگیری عمیق

سال انتشار: 1398
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 998

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICBME26_013

تاریخ نمایه سازی: 9 اردیبهشت 1399

چکیده مقاله:

با توجه به دشواری تشخیص توده های جامد به عنوان یکی از علائم مهم رخداد سرطان پستان، تشخیص آنها، از اهمیت قابل توجه ای برخوردار است. اگرچه ماموگرافی، روش اصلی تشخیص این سرطان محسوب می شود، با این حال اگر اطلاعات بدست آمده از آن ناکافی باشد،انجام تصویربرداری های مکمل همانند سونوگرافی پیشنهاد می شود. با این حال ترکیب اطلاعات بدست آمده از روش های مختلف، امری بسیارچالش برانگیز است. اگرچه به منظور غلبه بر این دشواری ها، یک سیستم تشخیص به کمک کامپیوتر، می تواند راه حلی کارآمد را ارائه دهد با اینحال اکثر آنها به منظور طبقه بندی تصاویر مربوط به یک روش تصویربرداری ارائه داده شده اند. از این رو، طراحی سیستم هایی موردنیاز است، تابا استخراج ارتباط پیچیده تصاویر مربوط به روش های مختلف گام بردارند. در این راستا تعداد محدودی سیستم ارائه داده شده اند که همگیمبتنی بر ویژگی های دست ساز بوده و نمی توانند با تشخیص پیچیده توده، به خوبی سازگار باشند. از این رو در این مقاله، با الهام از موفقیت هایقابل ملاحظه شبکه عصبی Residual ، یک مدل دومدال ارائه داده شده است. طی ارزیابی های انجام شده، مدل پیشنهادی در مقایسه با سایرروش های مورد ارزیابی، از نظر 4 معیار AUC, Specificity, Sensitivity و Accuracy ، دارای بهترین عملکرد تشخیصی توده های جامد پستان،به ترتیب با مقادیر 86 / 0 ، 97 / 0 ، 97 / 0 و 92 / 0 است.

نویسندگان

زهرا عصاری

دانشکده مهندسی برق و کامپیوتر، گروه مهندسی پزشکی، دانشگاه تربیت مدرس، تهران، ایران

علی محلوجی فر

دانشکده مهندسی برق و کامپیوتر، گروه مهندسی پزشکی، دانشگاه تربیت مدرس، تهران، ایران

نسرین احمدی نژاد

مرکز تحقیقات رادیولوژی نوین و تهاجمی (ADIR)، موسسه تحقیقات سرطان، مجتمع بیمارستان امام خمینی، دانشگاه علوم پزشکی تهران (TUMS)، ایران