تشخیص کارآمد سرطان سینه بر اساس تصاویر هیستوپاتولوژیک با شبکه ResNext

سرطان سینه از مهم ترین علل مرگ ومیر در میان زنان است و تشخیص دقیق و زودهنگام آن نقش حیاتی در افزایش شانس بهبودی بیمار در مرحله درمان دارد. در این پژوهش یک سیستم تشخیص کمک رایانه ای (CAD) مبتنی بر آموزش شبکه ResNeXt۵۰ برای طبقه بندی تصاویر بافت شناسی سرطان سینه ارائه می شود. بر این اساس، مدل از پیش آموزش دیده ResNeXt۵۰ با روش بازآموزی کامل بر روی مجموعه داده BreakHis آموزش عمیق داده شد تا تصاویر نمونه های خوش خیم و بدخیم را تفکیک کند. نتایج آزمایش ها نشان داد که مدل پیشنهادی طبقه بندی خودکار بر روی مجموعه داده یادشده به صحت ۹۹.۲۴٪ دقت ۹۹.۲۷ و فراخوانی ۹۹.۶۳٪ دست یافت. این نتایج بیانگر عملکرد دقیق و پایدار مدل آموزش دیده است و قابلیت استفاده احتمالی از آن را به عنوان سیستم تشخیص کمک رایانه ای بالینی دستیار پزشک تایید می کند.

کلیدواژه ها:

سینه ، تصاویر ، سرطان ، هیستوپاتولوژیک