تشخیص سرطان پستان در سطح مولکولی سلولی با رویکرد هوش مصنوعی
نویسنده:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:
سرطان پستان شایع ترین سرطان در زنان است. ضرورت تشخیص این بیماری در مراحل اولیه شانس درمان را افزایش می دهد. هدف این پژوهش ارایه روشی برای تشخیص زود هنگام، با غربالگری دقیق و سریع سرطان پستان با کم کردن خطاهای انسانی و بالا بردن شانس افزایش طول عمر افراد و کاهش میزان مرگ و میر با رویکرد هوش مصنوعی در پزشکی می باشد. در پیاده سازی این پژوهش کاربردی و نظارت شده از دو مجموعه داده میکروسکوپی هیستوپاتولوژیک، به ترتیب شامل 124 و 576 بیمار مبتلا به سرطان کارسینوم مجرای تهاجمی پستان استفاده شده است. در ابتدا پیش پردازش داده ها و بهبود کیفیت تصاویر، سپس بخش بندی تصاویر با شبکه U-Net جهت جدا سازی سلول های سرطانی از بافت سالم سینه و حذف داده های پرت انجام شده است، سپس با ترکیب شبکه های عصبی عمیق استخراج ویژگی های موثر صورت گرفته و با روش رای اکثریت داده ها طبقه بندی و سیستم غربالگری تشخیص گرید تومور های سرطان کارسینوم مجرای تهاجمی پستان ایجاد گردیده است. سیستم پیشنهادی با استخراج ویژگی های سطح بالا با دقت92% و 93%، حساسیت 96% و 93% و صحت 91% و 91% و AUC 98% و 95% در دو مجموعه داده متفاوت، با کمترین خطا و سرعت بالای تشخیص، بهترین عملکرد را در تشخیص و طبقه بندی سرطان پستان داشته که از ویژگی های این پژوهش نسبت به سایر تحقیقات می باشد.
کلیدواژگان:
زبان:
فارسی
انتشار در:
صفحات:
19 تا 30
لینک کوتاه:
magiran.com/p2598408
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یکساله به مبلغ 1,390,000ريال میتوانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.
In order to view content subscription is required
Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!