13773

مدل جديد يادگيري عميق براي تشخيص سرطان سينه با استفاده از تصاوير سونوگرافي

1400

استاد جواد وحيدي

1 – خلاصه سرطان سينه سالانه باعث مرگ صدها زن مي شود. تشخيص دستي سرطان سينه زمان بر، پيچيده و مستعد عدم دقت است. براي تشخيص سرطان سينه (BC)، چندين روش تصويربرداري بررسي شده است. با اين حال، گاهي اوقات شناسايي اشتباه منجر به درمان و تشخيص غير ضروري مي شود. بنابراين تشخيص دقيق BC مي تواند بسياري از افراد را از جراحي و بيوپسي غير ضروري نجات دهد. با توجه به پيشرفت هاي اخير در صنعت، عملكرد يادگيري عميق (DL). در پردازش تصاوير پزشكي به طور قابل توجهي بهبود يافته است. تكنيك‌هاي يادگيري عميق به دليل توانايي پيش‌بيني برتر، BC را از تصاوير اولتراسوند با موفقيت شناسايي مي‌كنند. يادگيري انتقال از بازنمايي هاي دانش از مدل هاي عمومي ساخته شده بر روي مجموعه داده هاي بزرگ مقياس استفاده مي كند. با اين حال، گاهي اوقات Transfer Learning منجر به مشكل بيش از حد برازش مي شود. ايده اصلي اين تحقيق ارائه يك مدل يادگيري عميق كارآمد و قوي براي تشخيص و طبقه‌بندي سرطان پستان است. بنابراين، اين مقاله يك مدل جديد DeepBraestCancerNet DL را براي تشخيص و طبقه‌بندي سرطان سينه ارائه مي‌كند. چارچوب پيشنهادي داراي 24 لايه، شامل شش لايه كانولوشن، 9 ماژول آغازين، و يك لايه كاملاً متصل است. همچنين، اين معماري از تابع فعال‌سازي ReLu بريده شده، تابع فعال‌سازي ReLu نشتي، نرمال‌سازي دسته‌اي و عادي‌سازي متقابل كانال به عنوان دو عمليات عادي‌سازي خود استفاده مي‌كند. مشاهده كرديم كه مدل پيشنهادي به بالاترين دقت طبقه‌بندي 99.35 درصد رسيد. ما همچنين عملكرد رويكرد DeepBraestCancerNet پيشنهادي را با چندين مدل DL موجود مقايسه كرديم و نتايج آزمايش نشان داد كه مدل بهتر از آخرين هنر عمل كرد. علاوه بر اين، ما مدل پيشنهادي را با استفاده از مجموعه داده استاندارد ديگري كه به صورت عمومي در دسترس است اعتبار سنجي كرديم. مدل DeepBraestCancerNet پيشنهادي به بالاترين دقت 99.63 درصد رسيد.

10/31/2023 12:00:00 AM

83820

1403/07/09

Deep Breast Cancer Net : A Novel Deep Learning Model for Breast Cancer Detection Using Ultrasound Images

تشخيص سرطان سينه , يادگيري عميق , شبكه عميق

Breast Cancer Diagnosis , Deep Learning , Deep Model Net