بررسی شبکه های عصبی کانولوشن عمیق جهت تشخیص سرطان پستان در تصاویر ترموگرافی

سیستم های تشخیص Computer-aided design به طور گسترده در تشخیص افتراقی سرطان سینه استفاده می شوند. بنابراین بهبود دقت یک سیستم CAD به یکی از حوزه های مهم تحقیقاتی تبدیل شده است. در این مقاله به بررسی سیستم های CAD مبتنی بر شبکه های عصبی عمیق از نوع کانولوشن در جهت تشخیص سرطان پستان در تصاویر ترموگرافی پرداخته شد.

برای تحلیل مدل ها از پایگاه داده “Database For Mastology Research” استفاده شده است. تعداد افراد موردبررسی 196نفر، که شامل 41 مورد سرطانی و 155 مورد سالم بوده است. هر فرد دارای 10 تصویر ترموگرافی است. جمعا تعداد تصاویر آنالیز شده 1960 تصویر ترموگرافی می باشد. طبقه بندی تصاویر حرارتی شامل سرطانی و سالم بر اساس 3 نوع شبکه عصبی کانولوشن عمیق شامل google net،resnet18 و vgg16 انجام شده است.

 یافته ها: 

میزان دقت و ویژگی نتایج به دست آمده با استفاده از مدل های شبکه های عصبی عمیق از پیش آموزش داده شده google net، resnet18 و vgg16 به ترتیب برابر 85.03%-89.7%، 83.8%-91.9% و 85.03%-91.01% هست. مدل ارایه شده قادر است با مورفولوژی های متفاوت بافت پستان، پاسخ قابل توجهی ارایه دهد

نتیجه گیری:

مدل شبکه عصبی مصنوعی عمیق می تواند به عنوان یک روش کارآمد و هوشمند برای تشخیص سرطان در تصاویر حرارتی خام بدون استخراج ویژگی به کار گرفته شود. با این حال مطالعه و پژوهش های بیشتری برای طراحی مدل های دیگر از شبکه های عصبی مصنوعی بر اساس یادگیری عمیق جهت تشخیص بدخیم یا خوش خیم بودن سرطان در تصاویر حرارتی نیاز است.