مروری بر روشهای یادگیری ماشین در شناسایی و طبقه بندی زودهنگام سرطان سینه

سرطان سینه یکی از شایع ترین سرطان ها در میان زنان در سراسر جهان است و تشخیص زودهنگام آن نقش حیاتی در افزایش احتمال درمان موفق دارد. در سالهای اخیر، پیشرفت های چشمگیری در حوزه هوش مصنوعی، بهویژه یادگیری ماشین، در جهت بهبود فرآیندهای تشخیص و طبقه بندی بیماری ها حاصل شده است. این مقاله با هدف بررسی و تحلیل کاربرد روش های گوناگون یادگیری ماشین، از جمله ماشین بردار پشتیبان (SVM)، درخت تصمیم، جنگل تصادفی، شبکه های عصبی مصنوعی و الگوریتم های یادگیری عمیق در شناسایی و طبقه بندی سرطان سینه تدوین شده است. طبقه بندی سرطان پستان با بهره گیری از انواع مختلف تصاویر پزشکی بررسی شده و عملکرد سیستم های طبقه بندی برای تشخیص تومورها، توده های خوش خیم و توده های متراکم به طور جامع توضیح داده شده است. در ابتدا، تفاوت بین انواع گوناگون تصاویر پزشکی با استفاده از مجموعه داده های مختلف تحلیل می شود. سپس، روش های متنوع یادگیری ماشین و یادگیری عمیق در زمینه تشخیص و طبقه بندی سرطان پستان مورد بحث قرار می گیرند. در نهایت، چالش های موجود در این مسیر و نتایج حاصل از روی کردهای مختلف مرور شده اند. این مقاله همچنین به بررسی داده های گردآوری شده از طریق روش های متنوع تصویربرداری بالینی می پردازد و عملکرد مدل ها با استفاده از معیارهای نظیر دقت، حساسیت، ویژگی ارزیابی گردیده است. نتایج به دست آمده نشان می دهد که ترکیب مناسب ویژگی های بالینی با الگوریتم های یادگیری ماشین می تواند به توسعه سامانه های تشخیصی هوشمند با دقت بالا و خطای پایین منجر شود. در پایان، با ارائه تحلیلی از عملکرد مدل ها، پیشنهادهایی برای بهبود روش های موجود و توسعه کاربردهای بالینی در آینده ارائه شده است.

کلیدواژه ها:

یادگیری ماشین ، سرطان سینه ، تشخیص زودهنگام ، الگوریتم های هوش مصنوعی