مروری بر روش های تشخیص سرطان پستان با استفاده از شبکه عصبی : مقاله مروری

سرطان پستان، شایعترین سرطان در بین زنان می باشد و هر چقدر سرطان پستان زودتر تشخیص داده شود، درمان آن آسان تر است. رایج ترین روش تشخیص سرطان سینه ماموگرافی می باشد. ماموگرافی یک عکس رادیوگرافی ساده از پستان و ابزاری برای کشف زودرس سرطان ها و تومورهای غیرقابل لمس پستان است. با این حال، با توجه به برخی محدودیت های این روش مانند حساسیت کم به ویژه در سینه های متراکم، روش های دیگری مانند ماموگرافی سه بعدی، سونوگرافی و تصویربرداری با رزونانس مغناطیسی اغلب برای دستیابی به اطلاعات بیشتر و دقیق تر پیشنهاد می شود. به تازگی، سیستم های تشخیص یا تشخیص هوشمند با کمک رایانه برای کمک به رادیولوژیست ها به منظور افزایش دقت تشخیصی تولید شده اند. به طورکلی، یک سیستم کامپیوتری از چهار مرحله پیش پردازش، تقسیم مناطق مورد علاقه (ROI)، استخراج و انتخاب ویژگی ها و در آخر طبقه بندی تشکیل می شود. امروزه استفاده از روش ها و تکنیک های پردازش تصویر و شناسایی الگوها در تشخیص و تعیین خودکار سرطان پستان از روی تصاویر ماموگرافی و حتی آسیب شناسی دیجیتال که یکی از روندهای در حال ظهور در پزشکی مدرن است، باعث کم شدن خطاهای انسانی و افزایش سرعت تشخیص می شوند. در این مقاله مروری به بررسی کارهای انجام شده و معایب و مزایای آن در زمینه ی تشخیص سرطان پستان به کمک شبکه های عصبی به ویژه شبکه عصبی کانوولوشن (Convolutional artificial neural network) که در تشخیص انواع سرطان ها به ویژه تشخیص هوشمند سرطان پستان به طور گسترده ای استفاده شده است، پرداخته شده است. بررسی مقالات نشان می دهد که الگوریتم های ترکیبی در بهبود طبقه بندی و دقت تشخیص بهتر بوده اند.