بررسی و پیش بینی مرگ سلولی در سرطان ریه در پاسخ به داروهای ضدسرطان با استفاده از شبکه های عصبی پیچشی (CNN)

ارزیابی پاسخ سلول های سرطانی به داروهای ضدسرطان با روش های سنتی، فرآیندی زمان بر، پرهزینه و نیازمند تخصص بالا است. هدف اصلی این پژوهش، توسعه و ارزیابی یک مدل شبکه عصبی پیچشی دقیق و کارآمد برای پیش بینی خودکار مرگ سلولی (آپوپتوز) در سلول های سرطان ریه از روی تصاویر میکروسکوپی فاز کنتراست می باشد. در این مطالعه توصیفی-تحلیلی، از یک مجموعه داده شامل ۲۰۰۰ تصویر میکروسکوپی که به دو کلاس «زنده» و «در حال مرگ» برچسب گذاری شده بودند، استفاده گردید. با بهره گیری از روش یادگیری انتقال و معماری از پیش آموزش دیده ResNet-۵۰ در محیط نرم افزار متلب، یک مدل بهینه سازی شده برای طبقه بندی این تصاویر آموزش داده شد. عملکرد نهایی مدل بر روی داده های آزمون مورد ارزیابی قرار گرفت و توانایی بالایی در طبقه بندی را نشان داد. نتایج حاکی از دستیابی به دقت کلی ۹۵٪، صحت ۹۴.۷٪، حساسیت ۹۵.۳٪ و امتیاز اف-یک ۹۵.٪ بود. این یافته ها نشان می دهد که مدل مبتنی بر یادگیری عمیق پیشنهادی می تواند به عنوان یک ابزار کمکی قدرتمند، سریع و غیرتهاجمی در تحقیقات دارویی و غربالگری داروهای ضدسرطان عمل کرده و به تسریع فرآیند ارزیابی اثربخشی درمان کمک شایانی نماید.

کلیدواژه ها:

سرطان ریه ، شبکه های عصبی پیچشی ، یادگیری عمیق