کاربرد شبکه های عصبی عمیق برای تشخیص زودهنگام سرطان پستان از تصاویر ماموگرافی

سرطان پستان به عنوان یکی از مهم ترین معضلات بهداشتی و اجتماعی در سراسر جهان شناخته می شود و سالانه شمار قابل توجهی از زنان و حتی درصد اندکی از مردان را درگیر می کند. این بیماری از تکثیر غیرقابل کنترل سلول های غیرطبیعی در بافت پستان آغاز می شود و در صورت عدم تشخیص و درمان به موقع، می تواند به بافت های مجاور و حتی اندام های دوردست متاستاز دهد. بر اساس گزارش های منتشر شده توسط مراکز معتبر جهانی، حدود یک نفر از هر هشت زن در طول زندگی خود در معرض ابتلا به این بیماری قرار می گیرد و این آمار هشداری جدی برای نظام های سلامت به شمار می رود. تشخیص زودهنگام سرطان پستان نقشی حیاتی در افزایش احتمال درمان کامل و ارتقای کیفیت زندگی بیماران دارد. یکی از معتبرترین و موثرترین ابزارهای غربالگری، روش ماموگرافی است که با استفاده از تصویربرداری رادیولوژیک قادر است ضایعات کوچک و تومورهای غیرقابل لمس را در مراحل ابتدایی رشد شناسایی کند. با این حال، تشخیص بصری تصاویر ماموگرافی توسط متخصصان گاهی با چالش هایی همچون خستگی چشم، تفاوت تجربه پزشکان و پیچیدگی ظاهری ضایعات همراه است و همین مسئله احتمال خطای انسانی را افزایش می دهد. از این رو، بهره گیری از فناوری های نوین به ویژه هوش مصنوعی و یادگیری عمیق می تواند راهکاری مطمئن برای کاهش این خطاها باشد.در سال های اخیر، شبکه های عصبی عمیق (Deep Neural Networks) به دلیل توانایی فوق العاده در یادگیری الگوهای پیچیده و تحلیل داده های تصویری، جایگاه ویژه ای در حوزه پزشکی به ویژه در تشخیص بیماری ها یافته اند. این شبکه ها با استفاده از داده های گسترده تصویربرداری ماموگرافی آموزش دیده و می توانند ویژگی های ظریف و غیرقابل تشخیص توسط چشم انسان را شناسایی کنند. پژوهش حاضر بر آن است تا با طراحی و پیاده سازی مدل شبکه عصبی عمیق، امکان تشخیص زودهنگام سرطان پستان را از طریق تصاویر ماموگرافی به صورت خودکار و با دقت بالا مورد بررسی قرار دهد. هدف از این مطالعه کاهش میزان خطای تشخیصی، افزایش سرعت تحلیل تصاویر و فراهم آوردن ابزاری کمکی برای پزشکان و متخصصان رادیولوژی است تا بتوانند تصمیمات بالینی دقیق تری اتخاذ کنند. در این راستا، علاوه بر مرور ادبیات موجود و بررسی پژوهش های مشابه، مدل پیشنهادی مورد آزمایش قرار گرفته و عملکرد آن در مقایسه با روش های سنتی و سایر الگوریتم های یادگیری ماشین ارزیابی شده است. نتایج حاصل از این پژوهش نشان می دهد که به کارگیری شبکه های عصبی عمیق می تواند میزان دقت تشخیص ضایعات سرطانی را به شکل قابل توجهی افزایش دهد و در نتیجه، نقش مهمی در کاهش مرگ ومیر ناشی از سرطان پستان ایفا کند. بنابراین، به نظر می رسد ادغام این فناوری با سیستم های تصویربرداری پزشکی گامی موثر در جهت ارتقای سلامت عمومی و کاهش بار اقتصادی و روانی این بیماری بر جامعه باشد.

کلیدواژه ها:

سرطان پستان ، ماموگرافی ، تشخیص زودهنگام ، شبکه های عصبی عمیق ، هوش مصنوعی ، یادگیری عمیق ، تحلیل تصویر پزشکی