کاردبرد شبکه های متخاصم مولد در تشخیص سرطان سینه: مقاله مروری

سرطان یک بیماری کشنده در سراسر جهان است، در میان سرطان ها، سرطان سینه شایع ترین سرطان در زنان به شمار می آید. تعداد زنانی که از نظر سرطان سینه غربالگری می شوند در سال های اخیر به سرعت در حال افزایش بوده است. تشخیص زودهنگام سرطان سینه و غربالگری زودهنگام این بیماری بیشترین تاثیر در درمان آن دارد اما یک چالش بزرگ نیز محسوب می شود. چالش اساسی این است که در غربالگری و طبقه بندی ممکن است ویژگی های بالقوه مرتبط نیز فیلتر شود برای جلوگیری از این مشکل و بهتر است از ماهیت ساختاریافته تصاویر بهره برداری شود. شبکه های متخاصم مولد معمولا برای داده های تصویربرداری به کار برده می شوند. می توانند این مجموعه داده های پزشکی را بزرگ و سازگارتر کنند. کاربرد شبکه های متخاصم مولد(GANs) در تشخیص سرطان سینه یک موضوع پژوهشی پیشرو است. در این روش، GANs به عنوان یک روش پردازش تصویر، از تصاویر آناتومیکی سینه مانند ماموگرافی و سونوگرافی استفاده می شود. شبکه مولد سعی در تولید تصاویری دارد که شبیه به تصاویر واقعی تشخیص سرطان باشند، همچنین دارای شبکه تشخصیص دهنده برای ایجاد تفاوت تصاویر واقعی و مصنوعی را دارد. این رویکرد می تواند به کاهش اشتباهات تشخیصی و افزایش دقت در تشخیص سرطان سینه کمک کند، که این امر می تواند ارزش بالینی زیادی داشته باشد.در این مقاله به بررسی روش های انجام شده در تشخیص سرطان سینه بر پایه روش GANs پرداخته می شود.

کلیدواژه ها:

شبکه متخاصم مولد ، سرطان سینه ، هوش مصنوعی ، داده های مصنوعی ، ماموگرافی