کاربرد AI در تشخیص زودهنگام سرطان با استفاده از تصاویر پزشکی و داده های بالینی

تشخیص زودهنگام سرطان یکی از مهم ترین عوامل موثر در افزایش نرخ بقا و کاهش هزینه های درمانی محسوب می شود. با توسعه روش های مبتنی بر یادگیری عمیق، امکان تحلیل دقیق داده های پزشکی و شناسایی الگوهای غیرطبیعی در مراحل اولیه بیماری فراهم شده است. هدف این پژوهش، ارائه چارچوبی چندوجهی مبتنی بر شبکه های عصبی کانولوشنی و داده های بالینی جهت افزایش دقت تشخیص سرطان است. در مدل پیشنهادی، اطلاعات حاصل از تصاویر MRI، CT Scan و ماموگرافی با داده های بالینی بیماران ادغام شده و فرآیند تصمیم گیری توسط معماری یادگیری عمیق انجام می شود. همچنین، از تکنیک های پیش پردازش تصویر، نرمال سازی داده ها و استخراج ویژگی چندسطحی جهت بهبود عملکرد سیستم استفاده شده است. نتایج مطالعات پیشین نشان می دهد که مدل های ترکیبی نسبت به روش های مبتنی بر داده های تصویری، عملکرد دقیق تری در تشخیص ضایعات سرطانی دارند. تحلیل نتایج بیانگر آن است که چارچوب پیشنهادی می تواند موجب افزایش Accuracy ، کاهش False Positive و بهبود حساسیت سیستم تشخیصی شود. علاوه بر این، استفاده از سامانه های مبتنی بر یادگیری عمیق می تواند به عنوان ابزار پشتیبان تصمیم گیری در مراکز درمانی مورد استفاده قرار گیرد.

کلیدواژه ها:

یادگیری عمیق ، شبکه عصبی کانولوشنی ، تشخیص زودهنگام سرطان ، پردازش تصویر پزشکی ، داده های بالینی