تشخیص همزمان تومورهای سینه و مغزی با استفاده از شبکه عصبی کانولوشن بهبودیافته مبتنی بر یادگیری انتقالی

سرطان پستان با بیش از ۲٫۳ میلیون مورد جدید سالانه، شایع ترین بدخیمی در میان زنان محسوب می شود و تومورهای مغزی نیز با وجود شیوع کمتر، به دلیل ماهیت تهاجمی و قرارگیری در عضو حیاتی، از چالش برانگیزترین حوزه های انکولوژی به شمار می روند. روش های تشخیصی سنتی مبتنی بر تفسیر بصری تصاویر توسط رادیولوژیست ها با چالش هایی نظیر وابستگی به تجربه فردی، زمان بر بودن و خطاهای انسانی مواجه هستند. در این پژوهش، یک سیستم تشخیص خودکار و کارآمد برای شناسایی هم زمان تومورهای سینه و مغزی با استفاده از شبکه عصبی کانولوشن بهبودیافته مبتنی بر یادگیری انتقالی ارائه شده است. روش پیشنهادی با بهره گیری از معماری فشرده شده بر مبنای AlexNet، تعداد پارامترهای قابل آموزش را از حدود ۶۰ میلیون به کمتر از ۲۰۰ هزار پارامتر کاهش داده است. ارزیابی عملکرد بر روی دو پایگاه داده معتبر تصاویر مغز و تصاویر پستان با استفاده از اعتبارسنجی متقاطع ده برابری انجام شده است. نتایج به دست آمده نشان دهنده صحت تشخیصی ۹۷٫۷ درصد و حساسیت ۹۷٫۸ درصد برای روش پیشنهادی است که عملکردی قابل رقابت با بهترین روش های موجود و نزدیک به عملکرد رادیولوژیست های خبره ارائه می دهد. معماری سبک و بهینه شده شبکه، قابلیت اجرا روی سخت افزارهای با توان محدود را فراهم آورده و آن را به گزینه ای عملی برای کاربردهای بالینی واقعی تبدیل ساخته است.

کلیدواژه ها:

تشخیص تومور مغزی ، تشخیص تومور پستان ، شبکه عصبی کانولوشن ، یادگیری انتقالی ، پردازش تصاویر پزشکی.