بررسی طبقه بندی سرطان سینه از تصاویر ماموگرافی براساس یادگیری عمیق

هدف اصلی ما در این مقاله تشخیص اتوماتیک سرطان سینه با استفاده تصاویرماموگرافی و یادگیری عمیق برای شناسایی سرطان سینه.در اینجا یک روش خودکار طبقه بندی تصاویر ماموگرافی به سه دسته عادی، خوش خیم و سرطانی ارائه شد که ابتدا تصاویر پیش پردازش و آماده سازی شد و سپس با استفاده از شبکه عصبی کانولوشن و یادگیری عمیق به کلاسهای مختلف طبقه بندی شد. روش ارائه شده را بر روی دادههای پایگاه دادهی DDSM تست کردیم. روش یادگیری عمیق یک روش مناسب برای استخراج خودکار ویژگی های تصاویر است که از آن میتوان برای طبقه بندی تصاویر پزشکی استفاده کرد. بانک اطلاعاتی به کار رفته شامل ۹۸۰ تصویر بود که از سه کلاس نرمال و بدخیم و خوش خیم تشکیل شده بود. شبکه کانولوشن به کار رفته دارای چهار لایه کانولوشن بود که در سه حالت ارزیاب شد. . در مرحله آخر دو کالی خوشخیم و بد خیم را با هم ادغام کردیم و نتیجه طبقه بندی به ۹۳.۶ بهبود یافت. بانک اطالاعاتی تصاویر مربوط به سرطان سینه با حجم بالامیتواند منجر به تولید و آموزش شبکه های عصبی مختص این بیماری شود که قادر به تشخیص و شناسایی تصاویر جدید با دقت بسیار بالا خواهد بود.. که شبکه فقط بر روی ناحیه برست متمرکز و ویژگی های آن را بتواند آشکار نماید

کلیدواژه ها:

سرطان ، سینه ، ماموگرافی ، یادگیری عمیق