7893

بررسي روش هاي جداسازي و دسته بندي ضايعات پستان توسط يادگيري عميق

1399

دكتر شهريار برادران شكوهي

تصاوير پزشكي از مهمترين عناصر در دسترس پزشكان براي تشخيص وجود يا عدم وجود بيماري، تشخيص شدت بيماري و روند درمان ستند. پردازش اين تصاوير در علم پزشكي بسيار پر اهميت است زيرا مي تواند دقت تشخيص را بالاتر برده و به پزشك براي طراحي روند بهينه درمان كمك كند. با توجه به اينكه سرطان پستان يكي از بيماريهاي شايع در بين زنان و مخصوصاٌ زنان كشورهاي در حال توسعه است لذا تشخيص زودهنگام و به موقع آن علاوه بر اينكه ميتواند ريسك مرگ را كاهش دهد ميتوان از هزينههاي تحميل شده به بيمار و جامعه نيز بكاهد. اكثر روش هاي مورد استفاده در حوزه پردازش تصاوير پزشكي، بر اساس استخراج ويژگيهايي از روي تصاوير پزشكي به صورت دستي بوده و اين كار توسط افراد متخصص در پردازش تصاوير با صرف انرژي و زمان زياد انجام ميگيرد. اما در سالهاي اخير روش هاي جديدي مبتني بر يادگيري عميق ارائه شده كه به بهبود دقت در كاربردهاي پزشكي انجاميده است. مزيت بسيار مهم روش هاي مبتني بر يادگيري عميق از جمله شبكه هاي عصبي كانولوشني اين است كه در اين روش ها براي طبقه بندي تصاوير پزشكي نيازي به استخراج ويژگي ها به صورت دستي نيست. در ادامه مروري اجمالي بر مرسومترين الگوريتم هاي يادگيري عميق در تشخيص و دسته بندي ضايعات پستان خواهيم داشت و به بررسي ايدههاي جديد مطرح شده در اين حوزه با به كارگيري الگوريتم هاي يادگيري عميق خواهيم پرداخت. تصاوير پزشكي از مهمترين عناصر در دسترس پزشكان براي تشخيص وجود يا عدم وجود بيماري، تشخيص شدت بيماري و روند درمان هستند. پردازش اين تصاوير در علم پزشكي بسيار پر اهميت است زيرا مي تواند دقت تشخيص را بالاتر برده و به پزشك براي طراحي روند بهينه درمان كمك كند. با توجه به اينكه سرطان پستان يكي از بيماريهاي شايع در بين زنان و مخصوصاٌ زنان كشورهاي در حال توسعه است لذا تشخيص زودهنگام و به موقع آن علاوه بر اينكه ميتواند ريسك مرگ را كاهش دهد ميتوان از هزينههاي تحميل شده به بيمار و جامعه نيز بكاهد. اكثر روش هاي مورد استفاده در حوزه پردازش تصاوير پزشكي، بر اساس استخراج ويژگيهايي از روي تصاوير پزشكي به صورت دستي بوده و اين كار توسط افراد متخصص در پردازش تصاوير با صرف انرژي و زمان زياد انجام ميگيرد. اما در سالهاي اخير روش هاي جديدي مبتني بر يادگيري عميق ارائه شده كه به بهبود دقت در كاربردهاي پزشكي انجاميده است. مزيت بسيار مهم روش هاي مبتني بر يادگيري عميق از جمله شبكه هاي عصبي كانولوشني اين است كه در اين روش ها براي طبقه بندي تصاوير پزشكي نيازي به استخراج ويژگي ها به صورت دستي نيست. در ادامه مروري اجمالي بر مرسومترين الگوريتم هاي يادگيري عميق در تشخيص و دسته بندي ضايعات پستان خواهيم داشت و به بررسي ايدههاي جديد مطرح شده در اين حوزه با به كارگيري الگوريتم هاي يادگيري عميق خواهيم پرداخت.

11/25/2020 12:00:00 AM

69697

1399/09/24

A survey of segmentation and classification of breast lesions using deep learning