تشخیص پیشرفته سرطان ریه از طریق تصاویر CT با استفاده از مدلهای Xception و Mobile Net

با توجه به خطرات جدی سرطان ریه و ضرورت تشخیص زودهنگام آن، در این تحقیق از توانمندی هوش مصنوعی و شبکه های عصبیعمیق برای تحلیل تصاویر توموگرافی کامپیوتری ریه بهره گرفته شده است. دو مدل تشخیصی بر اساس شبکه های Xception و Mobile Netارائه شده اند. این مدل ها با توانایی تشخیص سریع و دقیق سلولهای غیرطبیعی، ابزاری حیاتی برای پیشگیری از عوارض جدی سرطان ریهارائه میدهند.مدل Xception و Mobile Net ، با استفاده از وزن های خالص تصویر مبتنی بر یادگیری، توانسته اند با حجم داده کمتر و در زمانکوتاه تر، دقت ۹۹.۴۸ ٪، درستی ۹۹.۴۸ ٪، و یادآوری ۹۹.۴۸ ٪ را برای طبقه بندی سرطان ریه چند طبقه به دست آورند. نتایج نشان میدهد کهاین مدلها به عنوان ابزار پشتیبانی موثری برای رادیولوژیست ها و نفرولوژیست ها در تشخیص زودهنگام سرطان ریه میتوانند مورد استفادهقرار گیرند.این تحقیق نه تنها بهبود در دقت و سرعت تشخیص ارائه میدهد بلکه با افزایش کارایی پزشکان نقش مهمی در جلوگیری ازپیشرفت بیماری و افزایش شانس درمان سرطان ریه ایفا می کند.

کلیدواژه ها:

توموگرافی کامپیوتری ، رادیولوژیست ، ریه سرطان ، شبکه عصبی عمیق ، یادگیری عمیق ، هوش مصنوعی ، مدل Mobile Net ، مدل Xception