سمیرا اسدزاده - گروه مهندسی کامپیوتر، واحد مرودشت، دانشگاه آزاد اسلامی، مرودشت، ایران
بهمن روائی - گروه مهندسی کامپیوتر، دانشکده فنی، دانشگاه یاسوج، یاسوج، ایران

سرطان پستان شایع ترین سرطان در زنان است. ضرورت تشخیص این بیماری در مراحل اولیه شانس درمان را افزایش می دهد. هدف این پژوهش ارائه روشی برای تشخیص زود هنگام، با غربالگری دقیق و سریع سرطان پستان با کم کردن خطاهای انسانی و بالا بردن شانس افزایش طول عمر افراد و کاهش میزان مرگ و میر با رویکرد هوش مصنوعی در پزشکی می باشد. در پیاده سازی این پژوهش کاربردی و نظارت شده از دو مجموعه داده میکروسکوپی هیستوپاتولوژیک، به ترتیب شامل ۱۲۴ و ۵۷۶ بیمار مبتلا به سرطان کارسینوم مجرای تهاجمی پستان استفاده شده است. در ابتدا پیش پردازش داده ها و بهبود کیفیت تصاویر، سپس بخش بندی تصاویر با شبکه U-Net جهت جدا سازی سلول های سرطانی از بافت سالم سینه و حذف داده های پرت انجام شده است، سپس با ترکیب شبکه های عصبی عمیق استخراج ویژگی های موثر صورت گرفته و با روش رای اکثریت داده ها طبقه بندی و سیستم غربالگری تشخیص گرید تومور های سرطان کارسینوم مجرای تهاجمی پستان ایجاد گردیده است. سیستم پیشنهادی با استخراج ویژگی های سطح بالا با دقت۹۲% و ۹۳%، حساسیت ۹۶% و ۹۳% و صحت ۹۱% و ۹۱% و AUC ۹۸% و ۹۵% در دو مجموعه داده متفاوت، با کمترین خطا و سرعت بالای تشخیص، بهترین عملکرد را در تشخیص و طبقه بندی سرطان پستان داشته که از ویژگی های این پژوهش نسبت به سایر تحقیقات می باشد.

هوش مصنوعی, بخش بندی, طبقه بندی, یادگیری جمعی, سرطان پستان