شبکه VGG-UNet با بلوک ASPP جهت تشخیص سلولهای سرطانی

تشخیص ناهنجاری در تصاویر سلولی و بافتی امری بسیار حیاتی است که تشخیص صحیح و زودهنگام آن میتواند در درمان بسیاری از بیماری ها نظیر سرطان موثر باشد. در گذشته از روشهای دستی و پردازش تصویر سنتی با هدف تقطیع تصاویر جهت مشخص سازی نواحی دارای ناهنجاری در این تصاویر استفاده می شد. امروزه روشهای مبتنی بر هوش مصنوعی و یادگیری عمیق در بسیاری شاخه های پردازش تصویر و از جمله شاخه پاتولوژی بسیار موفق عمل کرده اند. در این مقاله شبکه ترکیبی در این حوزه از ترکیب شبکه VGG-UNet با بلوک ASPP و بلوک Residual جهت تقطیع تصاویر ارائه شده است که در بخش انکدر آن از شبکه VGG، در بخش دیکدر آن از ساختار معماری U-Net و در ابتدای بخش دیکدر آن از بلوک ASPP با ساختارهای کانولوشنی با فیلترهای منبسط شده با نرخهای مختلف استفاده شد همچنین بلوک Residual در انتهای بخش دیکدر شبکه به کار برده شد.ساختار مفروض در مقایسه با سایر روشها عملکرد مناسبی را نشان داد که نتایج کمی معیار Dice و معیار دیداری نتایج حاصله، در بخش نتایج بررسی شده اند.

کلیدواژه ها:

پاتولوژی ، تقطیع ، شبکه ، هوش مصنوعی ، یادگیری عمیق