تشخیص سرطان پستان از روی تصاویر هیستوپاتولوژی با استفاده از یادگیری عمیق

سرطان یکی از شایع ترین علل مرگ و میر در جهان است. سرطان پستان فراوان ترین سرطان در بین زنان است و سالیانه باعث میزان بالایی از مرگ و میر می شود. معتبرترین و مطمئن ترین روش برای مدیریت موفق سرطان، تشخیص دقیق و زود هنگام است. در مقابل، عدم تشخیص به موقع منجر به گسترش سرطان در بدن می شود، در نتیجه درمان و کنترل آن را دشوار می نماید. روش استاندارد طلایی برای تشخیص سرطان پستان، بیوپسی است. به طور معمول از روش های دستی و بصری برای تشخیص سرطان استفاده می شود و پاتولوژیست اسلاید های هیستوپاتولوژی را زیر میکروسکوپ بررسی می نماید که این نوع تشخیص به زمان زیاد و تخصص بالایی احتیاج دارد و بسیار مستعد خطاست، به همین دلیل استفاده از سیستم تشخیص رایانه ای(CAD) برای کمک به پزشکان در جهت بهبود کارایی تفسیر تصاویر پزشکی ضروری است. در این مطالعه ما از مدل های یادگیری عمیق، خصوصا شبکه های عصبی کانولوشنی (CNNs) برای تشخیص سرطانی بودن یا نبودن تصاویر هیستوپاتولوژیک استفاده می کنیم. میزان  AUC، صحت و امتیاز F۱  به دست آمده با استفاده از شبکه ی عصبی عمیق از پیش آموزش داده شده   Incetion-V۳ به ترتیب برابر ۳۶/۹۸ % ، ۲۸/۹۵ % و ۲۵/۹۷ % است و همین پارامترها برای شبکه ی عصبی عمیق از پیش آموزش داده شده ی ResNet-۱۸ برابر با ۹۰/۹۷ % ، ۴۶/۹۷ % و ۲۲/۹۸ % می باشد. مدل ارائه شده قادر است برای مورفولوژی های متفاوت بافت پستان، پاسخ قابل توجهی ارائه دهد.

کلیدواژه ها:

Breast cancer ، histopathology images ، deep learning ، convolutional neural networks (CNNs). ، سرطان پستان ، تصاویر هیستوپاتولوژی ، یادگیری عمیق ، شبکه های عصبی کانولوشنی (CNNs)