شیوا گوهرگانی - کارشناس ارشد مهندسی برق گرایش مخابرات سیستم
امیر رضاقلی - استادیار بخش مهندسی برق در موسسه آموزش عالی زند شیراز

سرطان سینه یکی از رایج ترین انواع سرطان در زنان است که سالانه تعداد زیادی از آن ها را به کام مرگ می فرستد. تشخیص زودهنگام سرطان سینه، یک راهکار مهم در درمان این بیماری است. در این تحقیق، هدف، تشخیص سرطان پستان در تصاویر ماموگرافی است. برای این منظور، از شبکه عصبی کانولوشنی استفاده شده است. مزیت این شبکه این است که دارای دقت بالایی در تشخیص الگوها در تصویر است. ابتدا تصاویر ماموگرافی از دیتاست معتبر دانلود شده و پس از پیش پردازش تصاویر، به شبکه عصبی کانولوشنی طراحی شده اعمال شده اند. هدف، در این تحقیق دو مورد است؛ اول تعیین محل تومور و سپس تشخیص اینکه آیا تومور موردنظر، سرطانی است یا نه. هم چنین شبکه عصبی طراحی شده می تواند تشخیص دهد که آیا غده سرطانی در مراحل اولیه سرطان است یا در مراحل پیشرفته بیماری. در انتها، نتایج شبیه سازی ها با سایر شبکه های عصبی دیگر مقایسه شده اند و نتایج شبیه سازی ها نشان دادند که روش پیشنهادی دارای کارایی و دقت بالاتری نسبت به شبکه های عصبی موجود است. نتایج نشان دادند که دقت، صحت و حساسیت الگوریتم پیشنهادی که مبتنی بر شبکه عصبی کانولوشنی است، در حدود ۹۵ درصد می باشد که کارایی بسیار بالای آن را نشان می دهد. میزان دقت، صحت و حساسیت برای الگوریتم های GRNN و MLP کمتر از ۹۰ درصد بود. علاوه بر آن مشاهده شد که کارایی الگوریتم GRNN بالاتر از الگوریتم MLP بود.

تصاویر ماموگرافی، سرطان پستان، شبکه عصبی کانولوشنی، یادگیری ماشین