دسته بندی سرطان سینه با استفاده از شبکه های عصبی پیچشی مبتنی بر معماری VGG

سرطان دومین عامل مرگ در دنیا محسوب میشود و متأسفانه 8 درصد از زنان در طول زندگی خود دچار سرطان سینه میشوند. از آنجایی که تشخیص زود هنگام سرطان سینه احتمال بهبودی فرد را بالا می برد، محققان همواره بر آن بوده اند تا روش هایی برای تشخیص به موقع این بیماری ارائه دهند. امروزه، الگوریتمهای یادگیری ماشین بخاطر قابلیت تشخیص و دقت بالا در دسته بندی، به طور گسترده در مسئله ی طبقه بندی سرطانها استفاده میشود. در این مقاله، مدل جدیدی مبتنی بر معماری VGG ارائه شده است که دارای سه لایه کانولوشنال اضافی در ابتدای شبکه می باشد و همچنین لایه های کاملامتصل پایانی نیز به طور اختصاصی تنظیم شده اند. با استفاده از یادگیری انتقالی و تکنیک داده افزایی، بلوک کانولوشنال پایانی معماری آموزش داده شده و طبق نتایج حاصل شده مدل پیشنهادی، داده های مجموعه آزمایشی را با دقت 85 درصد تشخیص داده است.

کلیدواژه ها:

یادگیری ماشین ، یادگیری عمیق ، شبکه های عصبی پیچشی ، شبکه های کانولوشنال ، تشخیص سرطان سینه