توسعه و ارزیابی روشی جدید مبتنی بر شبکه های عصبی انتشار به عقب برای افزایش دقت تشخیص سرطان ریه

در این مقاله، با استفاده از شبکه های عصبی مصنوعی، روشی برای طبقه بندی تصاویر مقطع نگاری رایانه ای ریه با هدف تشخیص زودهنگام سرطان ارائه شده است. برای این منظور، با استفاده از تصاویر مقطع نگاری رایانه ای، کل ریه قطعه بندی شده و پارامترهای آماری همچون میانگین، انحراف معیار، چولگی، کشیدگی، گشتاور مرکزی مرتبه پنجم و گشتاور مرکزی مرتبه ششم از روی تصاویر قطعه بندی شده محاسبه می شوند. در فرایند طبقه بندی از شبکه های عصبی پیشخور انتشار به عقب استفاده شده است. نتایج نشان می دهد در میان توابع آموزشی موجود برای آموزش شبکه ­های عصبی انتشار به عقب، بهترین دقت طبقه بندی با استفاده از تابع آموزشی Traingdx و با دقت % ۹۱.۱ حاصل شده است. همچنین، دو تابع آموزشی جدید نیز در این مقاله معرفی شده اند که یکی از آن ها با دقت % ۹۳.۳، تشخیص % ۱۰۰، حساسیت % ۹۱.۴ و حداقل میانگین مربعات خطای ۰.۹۹۸ و دیگری با دقت % ۹۳.۳ و حداقل میانگین مربعات خطای ۰.۰۹۴۲ به نتایج قابل قبولی دست یافته اند. به طور کلی، تشخیص زودهنگام سرطان با استفاده از شبکه های عصبی مصنوعی امیدوارکننده ترین راه برای افزایش شانس زنده ماندن بیماران است.

کلیدواژه ها:

مقطع نگاری رایانه ای ، طبقه بندی تصاویر ، انحراف معیار ، کشیدگی ، شبکه های عصبی پیشخور