ارائه یک چارچوب هوشمند کامپیوتری جهت تشخیص غدد مشکوک ریوی

یکی از نشانه های بروز سرطان ریه، که یکی از مرگبارترین سرطان ها محسوب می گردد، غده های ریوی می باشند. به دلیل اینکه آشکارسازی این غده های ریز از روی تصاویر سی تی اسکن ریه با چشم بسیار دشوار می باشد بنابراین سیستم های هوشمند یا سیستم های تشخیص به کمک کامپیوتر (CAD)، می توانند به عنوان کمک کار متخصص در آشکارسازی، محل یابی و ارزیابی کیفیت غده کمک کنند. مهم ترین چالش سیستم های هوشمند موجود، ارتقاء متعادل معیارهای دقت، تشخیص، حساسیت و کاهش نرخ خطای مثبت کاذب (FPr) بوده و همچنین پیچیدگی این سیستم ها، باعث کاهش کارایی و سرعت اجرا شده است بنابراین هدف از انجام پژوهش حاضر، ارایه یک چارچوب چابک و بهینه سازی چالش مدنظر می باشد.

یکی از زیرشاخه های نوین هوش مصنوعی، یادگیری عمیق وگرایش شبکه های CNN می باشند که در سال های اخیر، در تحلیل تصاویر پزشکی کاربرد زیادی یافته اند. در این پژوهش، یک شبکه ابتکاری مبتنی بر شبکه های CNN از نوع LeNet جهت استخراج ویژگی های تصویر و همچنین کلاس بندی تصاویر پیشنهاد می گردد. دیتاست مورد استفاده، یک زیرمجموعه به تعداد 7072 قطعه تصویر که از مجموعه دیتاست استاندارد LIDC-IDRI حاصل شده است، می باشد. غده های موجود در این تصاویر که جهت آموزش و اعتبارسنجی شبکه، استفاده می شوند دارای اندازه های 1 تا 4 میلی متر می باشند.

یافته ها: 

فرآیندهای آموزش و اعتبارسنجی این شبکه با یک دستگاه رایانه دارای پردازنده Core i5 2.4GHz، حافظه 8GB و کارت گرافیکIntel Graphics 520 در مدت زمان، پنج ساعت و یازده دقیقه اجرا شده و به میزان دقت، حساسیت و تشخیص به ترتیب برابر با 91.1درصد،85.3درصد و 8/92درصد دست یافته است.

بحث و نتیجه گیری: 

با توجه به مبنای استاندارد مدل ارایه شده و نیز استفاده از تصاویر پایگاه داده معتبر برای سنجش شبکه و مقایسه با کارهای پیشین، نتایج حاصل شده از آن، تعادل خوبی را بین معیارهای ارزیابی برقرار نموده و با اجرای سریع تر، قابلیت لازم برای کاربردهای زمان واقعی را کسب می نماید.