تشخیص سرطان دهانه رحم با یادگیری عمیق در تصاویر پاپ اسمیر

سرطان دهانه رحم یکی از علل اصلی مرگ و میر زنان است و تشخیص زودهنگام از طریق پاپ اسمیر اهمیت بالایی دارد. معاینه دستی زمانبر و مستعد خطاست. در این مطالعه چارچوبی مبتنی بر یادگیری عمیق معرفی می شود که U-Net را برای تقسیم بندی و یک مدل طبقه بندی را برای بهبود تشخیص ترکیب می کند. مجموعه داده عمومی Herlev برای آموزش و ارزیابی به کار رفت. نتایج نشان داد استفاده از تصاویر تقسیم بندی شده دقت را ۴۱ و score- را ۱/۰ بهبود می دهد. این چارچوب ابزاری مکمل برای کمک به آسیب شناسان در تشخیص زودهنگام ارائه می دهد.

کلیدواژه ها:

سرطان دهانه رحم ، شبکه های عصبی ، پیچشی ، تقسیم بندی ، یادگیری عمیق ، معماری شبکه عصبی