جداسازی هسته سلول سرطانی در تصاویر هیستوپاتولوژی سرطان سینه و ناحیه ضایعه در تصاویر سرطان پوست با استفاده از شبکه های عصبی کانولوشن

تجزیه و تحلیل آسیب شناختی نقش مهمی را در تشخیص، پیش‌بینی و برنامه‌ریزی درمانی برای سرطان ایفا می کند. با استفاده از آسیب‌شناسی دیجیتال، یعنی اسکن و ذخیره دیجیتال بخش های بافت بیمار، در حال حاضر می‌توان ابزارهایی برای تجزیه و تحلیل خودکار این تصاویر پیچیده ایجاد کرد. پزشکان با استفاده از سیستم تشخیص کامپیوتری از یک دستیار هوشمند برای تشخیص دقیق بهره می‌گیرند. این سیستم ها مزایای گسترده ای در بهبود اثر بخشی درمان را دارا می باشند.

روش‌کار: 

در این پژوهش از طبقه بندی کننده شبکه عصبی عمیق به کمک فریمورک تنسورفلو و بهره گیری از کتابخانه کراس استفاده شده است. تصاویر ورودی در ابتدا از یک فیلتر پایین گذر به منظور کاهش اثرات نویزی عبور داده می شوند. سپس تصاویر پیش پردازش شده به یک شبکه عصبی کانولوشن وارد می شوند.

یافته‌ها: 

نتایج پژوهش تفاوت معنی‌داری در مقادیر دقت بین روش‌های مختلف با روش پیشنهادی را آشکار می‌نماید که در بعضی از موارد نشان دهنده افزایش بیش از 4/18 درصد در دقت تشخیص گردیده است. از دیگر مزایای روش پیشنهادی فراهم آوردن حساسیت بالا در تصاویر هیستوپاتولوژی می‌باشد که بین 12تا 18 درصد افزایش را در مقایسه با سایر پژوهش‌ها نشان می‌دهد. علت این برتری استخراج ویژگی‌های سطح بالا توسط شبکه های عصبی کانولوشن بوده که با کاهش اندازه بردار ویژگی همراه می باشد.

نتیجه‌گیری: 

نتایج حاصل نشان دهنده دقت 6/98 درصد برای تصاویر سرطان پوست و دقت 1/96 درصد برای تصاویر هیستوپاتولوژی سرطان سینه است که در مقایسه با نتایج سایر پژوهش‌ها سیستم پیشنهادی نتایج امیدوار کننده‌ای را ارایه می دهد.