مروری بر سیستم پشتیبانی تصمیم گیری مبتنی بر یادگیری عمیق پیشرفته برای تشخیص تومور کلیه

این مطالعه یک سیستم پشتیبان تصمیم گیری مبتنی بر یادگیری عمیق با دقت بالا برای تشخیص سرطان کلیه ارائه می دهد. در این تحقیق از یک مجموعه داده نسبتا بزرگ شامل ۱۰,۰۰۰ تصویر سی تی اسکن استفاده شده است که شامل اسکن های کلیه سالم و دارای تومور است. پس از پیش پردازش داده ها و بهینه سازی، مدل های مختلف یادگیری عمیق ارزیابی شدند و مدل DenseNet-۲۰۱ به عنوان بهترین عملکرد با دقت ۹۹/۷۵٪ شناسایی شد. این مطالعه معماری های مختلف یادگیری عمیق از جمله AlexNet، EfficientNet، DarkNet-۵۳، Xception و DenseNet-۲۰۱ را در نرخ های یادگیری متفاوت مقایسه می کند. معیارهای عملکرد مانند دقت، صحت، حساسیت، امتیاز F۱ و ویژگی با استفاده از ماتریس های اغتشاش تحلیل شدند. سیستم پیشنهادی عملکرد بهتری نسبت به شبکه های یادگیری عمیق دیگر نشان داده و دقت برتری در تشخیص سرطان کلیه ارائه می دهد. این بهبود به مهندسی موثر داده ها و بهینه سازی ابرپارامترهای شبکه های یادگیری عمیق نسبت داده می شود. این تحقیق با ارائه یک ابزار پشتیبان تصمیم گیری قوی برای تشخیص سریع و اولیه سرطان کلیه به حوزه تحلیل تصاویر پزشکی کمک می کند. دقت و کارایی بالای سیستم پیشنهادی آن را به ابزاری امیدوارکننده برای کمک به متخصصان حوزه سلامت در محیط های بالینی تبدیل می کند.

کلیدواژه ها:

DSS ، سیستم پشتیبانی تصمیمگیری ، سرطان کلیه ، Deep Learning