استفاده از مدل ترکیبی UNETوVGG۱۹ برای پردازشعمیق بر روی تصاویر ماموگرافی سرطان سینه

سرطان سینه یکی از مسائل مهم بهداشت عمومی است و علت اصلی مرگ و میر ناشی از سرطان در میان زنان در سراسر جهان محسوب می شود. تشخیص زودهنگام آن می تواند به طور موثر به افزایش کمک کند . بیوپسی معمولا به عنوان یک رویکرد استاندارد طلایی دنبال می شود که در آن بافت ها برای تجزیه و تحلیل میکروسکوپی جمع آوری می شوند اما با این حال، تجزیه و تحلیل هیستوپاتولوژیک سرطان پستان غیر ضروری است و ممکن است منجر به درجه بالایی از اختلاف نظر در میان آسیب شناسان شود. بنابراین ، یک سیستم تشخیص خودکار می تواند به آسیب شناسان کمک کند تا اثربخشی فرآیندهای تشخیصی را بهبود بخشند. چارچوب پیشنهادی ما بر اساس نمای MLO و نمای CC برای بهبود عملکرد سیستم است . علاوه بر این ، فقدان داده های برچسب گذاری شده یک چالش بزرگ است . یادگیری انتقال و تقویت داده ها برای غلبه بر این مشکل استفاده می شود. براساس مجموعه داده ماموگرافی ؛ MIAS در ارزیابی ما استفاده می شود. روش پیشنهادی اعمال افزایش داده با مدل اصلاحشده U-Net و VGG(۱۹) به نتیجه ، با این دقت ۹۸.۳۵ %، به دست می یابد.

کلیدواژه ها:

سرطان سینه ، ماموگرافی ، vgg۱۹ ، u_net ، پردازش تصویر.