تشخیص سرطان ریه با استفاده از تصاویر سی تی اسکن ریوی و شبکه های عصبی با تاکید بر اثرات محیط زیستی و شهری

سرطان ریه یکی از مرگ بارترین انواع سرطان در جهان است که تشخیص زودهنگام آن می تواند نرخ بقا را به شکل قابل توجهی افزایش دهد. با پیشرفت فناوری های یادگیری عمیق، به ویژه شبکه های عصبی کانولوشنی (CNN)، امکان تحلیل دقیق تصاویر سی تی اسکن برای شناسایی ناهنجاری های اولیه ریوی فراهم شده است. این پژوهش با هدف طراحی و تحلیل الگویی مبتنی بر شبکه های عصبی عمیق برای تشخیص خودکار سرطان ریه، به بررسی تعامل میان فناوری های پزشکی و عوامل زیست محیطی موثر بر بروز بیماری می پردازد. یافته ها نشان می دهد که هوش مصنوعی نه تنها در افزایش دقت تشخیص موثر است، بلکه می تواند از طریق تحلیل داده های مکانی و محیطی، به شناسایی الگوهای ارتباطی میان آلودگی هوا و شیوع سرطان کمک کند. این رویکرد داده محور، چشم اندازی نو در همگرایی پزشکی دقیق (Precision Medicine) و سلامت محیط زیست ارائه می دهد که در آن، سلامت فردی و زیست بومی در یک شبکه یادگیری مشترک تعریف می شوند.

کلیدواژه ها:

سرطان ریه ، سی تی اسکن ، شبکه های عصبی کانولوشنی (CNN) ، یادگیری عمیق ، سلامت محیط زیست ، آلودگی هوا ، پزشکی داده محور