تشخیص سرطان خون شناختی با استفاده از گلبولهای سفید سرطانی با یادگیری انتقالی و پردازش تصویر

این مطالعه به بررسی و تحلیل رویکرد تشخیص شناختی سرطان خون حاد با تمرکز بر گلبولهای سفید سرطانی می پردازد و از تکنیکهای یادگیری انتقالی و پردازش تصویر بهره می گیرد. در این پژوهش، تلاش شده است تا با تلفیق دو حوزه قدرتمند هوش مصنوعی یعنی یادگیری انتقالی (Transfer Learning و پردازش تصویر Image) (Processing ابزاری کارآمد برای تشخص اولیه و دقیق سرطان خون توسعه یابد دادههای مورد استفاده در این تحقیق از پایگاههای داده معتبر و عمومی مرتبط با تصاویر سلولهای خونی به ویژه ALL-IDB (Acute C-NMC, Lymphoblastic Leukemia Image Database for Roswell Park Cancer Institute)، (Cambridge Neuro-oncology Microscopy Centre) استخراج شده اند. این تصاویر که نمایانگر گلبولهای سفید در حالت عادی و سرطانی به خصوص در لوسمی لنفوبلاستی (حاد هستند با استفاده از معماریهای پیشرفته شبکههای عصبی عمیق (Deep Neural Networks) مانند MobileNet AlexNet و Reset مورد تحلیل قرار گرفتند این مدلها به دلیل توانایی بالا در استخراج ویژگیهای پیچیده از تصاویر انتخاب شده اند. علاوه بر این مراحل مختلفی از پردازش تصویر بر روی تصاویر خام اعمال شد تا کیفیت آنها بهبود یافته و اطلاعات مفیدتری برای مدلهای یادگیری ماشین قابل استخراج باشد این مراحل شامل نرمال سازی شدت پیکسلها برای یکنواخت سازی تقویت کنتراست با استفاده از الگوریتمهایی مانند CLAHE (Contrast Limited Adaptive Histogram (Equalization برای برجسته سازی جزئیات سلولی و اعمال فیلترهای مناسب برای حذف نویز احتمالی موجود در تصاویر میکروسکوپی بود نتایج به دست آمده از این مطالعه نشان دهنده تاثیر قابل توجه پیش پردازش تصویر بر عملکرد مدلهای یادگیری انتقالی .بود به طور خاص استفاده از تکنیکهای پردازش تصویر قبل از مرحله آموزش مدل، منجر به افزایش میانگین دقت (Accuracy در تشخیص سرطان خون از ۹۲.۵ در حالت بدون پردازش به ۹۷.۳ در با پردازش تصویر شد. این بهبود قابل توجه گواهی بر اهمیت کیفیت داده ورودی و آماده سازی مناسب آن برای حصول نتایج دقیقتر در سامانههای تشخیص پزشکی مبتنی بر هوش مصنوعی است جزئیات دقیق عملکرد مدلها، اعم از دقت، پرسیژن ریکال و امتیاز ۱ ، در جداول و نمودارهای ارزیابی جامع ارائه و تحلیل شده است.

کلیدواژه ها:

تشخیص ، شناختی سرطان ، خون ، گلبول سفید ، یادگیری انتقالی ، پردازش تصویر