پیش بینی بقای سرطان سینه به کمک شبکه یادگیری عمیق و داده های چند وجهی

سرطان سینه به عنوان یکی از سرطان های رایج و مهم، نقش بسزایی در افزایش نرخ مرگ و میر در زنان دارد. در حال حاضر، داده های چندوجهی مرتبط با سرطان، از جمله جزئیات ژنومی، تصاویر ماموگرافی و اطلاعات بالینی، در دسترس قرار گرفته است که این امر باعث شده تا توجه بیشتری به توسعه مدل های پیشرفته یادگیری عمیق برای پیش بینی بقای سرطان سینه شود. در این تحقیق، یک مدل یادگیری عمیق مبتنی بر شبکه های عصبی پیچشی با استفاده از داده های چندوجهی برای پیش بینی بقای سرطان سینه پیشنهاد می شود که ویژگی های مهمی را برای افزایش دقت این پیش بینی تولید می کند. روش پیشنهادی دارای دو فاز است؛ در فاز اول از یک شبکه عصبی پیچشی برای استخراج ویژگی های موثر استفاده می شود و در فاز دوم، این ویژگی ها، برای انجام فرآیند پیش بینی بقای سرطان سینه به کار گرفته می شوند. نتایج آزمایشات نشان داد که در حالتی که از داده های بالینی استفاده گردید دقت روش پیشنهادی ۳۴/۹۸ حاصل گردید و در حالت بدون استفاده از این داده ها دقت ۲۱/۹۷ حاصل گردید که حاکی از این است مدل پیشنهادی این تحقیق نسبت به مدل های مقایسه شده، بهبود قابل توجهی داشته است. به علاوه، نتایج نشان می دهند که استفاده از داده های بالینی در ارتقاء دقت و عملکرد مدل پیشنهادی موثر می باشد.

کلیدواژه ها:

سرطان سینه ، ماموگرافی ، پیش بینی بقای سرطان سینه ، یادگیری عمیق ، شبکه عصبی پیچشی