جستجو
استفاده از الگوریتم های علوم کامپیوتر در تشخیص سرطان سینه
حسین صادقی1 علی عبدالهی2 کامیار عابدی3 شهره بهنام ارزنده4
چکیده :
توسعه سریع یادگیری عمیق ، یک خانواده از تکنیک های یادگیری ماشین ، علاقه زیادی را در استفاده از آن برای مشکلات تصویربرداری پزشکی برانگیخته است. در اینجا ، ما یک الگوریتم یادگیری عمیق ایجاد کرده ایم که می تواند با استفاده از رویکرد آموزش نقطه به نقطه سرطان پستان را در ماموگرافی های غربالگری تشخیص دهد که به طور قابل ملاحظه ای از مجموعه داده های آموزشی با روش های بالینی استفاده می کند. در این روش ، ضایعات فقط در مرحله آموزش اولیه مورد نیاز است ، و مراحل بعدی فقط به برچسب های (Label) سطح تصویر نیاز دارند ، اتکا به تفسیر ضایعات که به ندرت در دسترس است. روش شبکه convolutional ما برای طبقه بندی ماموگرافی های غربالگری در مقایسه با روش های قبلی به عملکرد عالی دست یافتند.
در یک مجموعه تست مستقل از ماموگرافی های دیجیتالی flm از پایگاه داده دیجیتال برای انجام ماموگرافی غربالگری (CBIS-DDSM) ، بهترین مدل منفرد به ازای هر تصویر AUC 0.88 و چهار مدل بدست آورد.
به طور متوسط AUC را به 0.91 (حساسیت: 86.1٪ ، خاصیت: 80.1٪) بهبود بخشید. در یک مجموعه تست مستقل از تصاویر ماموگرافی دیجیتال فول فلد (FFDM) از پایگاه داده INbreast ، بهترین مدل واحد به ازای هر تصویر AUC 0.95 دست یافت و میانگین چهار مدل AUC را به 0.98 ارتقا داد (حساسیت: 86.7٪ ، خاصیت: 96.1٪). ما همچنین نشان می دهیم که یک طبقه بندی کل تصویر که با استفاده از رویکرد endto-end ما در ماموگرافی های دیجیتالی flm CBIS-DDSM آموزش دیده است ، می تواند به تصاویر FFDM INbreast با استفاده از تنها زیرمجموعه ای از داده های INbreast برای تنظیم fne و بدون تکیه بیشتر منتقل شود. در دسترس بودن تفسیر ضایعات این یافته ها نشان می دهد که روش های یادگیری عمیق خودکار را می توان به راحتی آموزش داد تا به دقت بالایی در سیستم عامل های نگاشت ماموگرافی دست یابد و نوید بزرگی برای بهبود ابزارهای بالینی برای کاهش نتایج False-positive و False-Negative در غربالگری ماموگرافی می دهد.
کلمات کلیدی : سرطان سینه یادگیری عمیق تحلیل داده ماموگرافی
زبان مقاله : فارسی
محور مقاله : مهندسی
محل انتشار : دهمین کنفرانس بین المللی فناوری های نوآورانه در زمینه علوم، مهندسی و تکنولوژی
آدرس وب سایت کنفرانس : tetsconf.com
کد IOI مقاله : XCCC-FEFAZ
لینک مستقیم مقاله : https://isnac.ir/XCCC-FEFAZ
سایر مقالات محل انتشار
- Research on Additive manufacturing & 3D printing application model based on cloud manufacturing
- طراحی الگویی راهبردی و بهبود فرآیند سرمایهگذاری در سازمان مناطق آزاد ایران
- Sensitivity Measurement of Utilization Index to Rock and Fluid Reservoir Parameters
- Keyword and Citation Network based Citation Recommendation
- بررسی اعتبار روابط تجربی در محاسبه پارامترهای هیدرودینامیکی شناور پروازی منشوری و غیر منشوری
- Effect of blood perfusion on diffusion of magnetic nanoparticles within a biological tissue during magnetic fluid hyperthermia
- مکان یابی و ظرفیت سنجی بهینه سلول های خورشیدی در سیستم های فتوولتائیک با هدف کاهش اثرات نامطلوب هارمونیکی با استفاده از روش تجزیه و تحلیل دو فازی
- Evaluation of Mimicking of Platelets for Drug Delivery for Diabetic Foot Ulcers
- Thermal separation process by membrane distillation modules
- زمانبندی کار در محاسبات مه
- تشخیص حرکت عضو بر پایه سیگنالهای حیاتی عضلانی با استفاده از شبکههای عصبی کانولوشنی بازگشتی عمیق
- بررسی اجمالی انواع فرایند تبلور و کاربرد آن در صنعت و آزمایشگاه
- بررسی زلزله و باد در سازه های سبک فولادی نوین
- بررسی تغییرات تنش تکتونیکی در جبهۀ برخوردی جنوب اوراسیا بر اساس مشخصات سازوکارهای کانونی زمین لرزه ها
- زلزله در میراث مکتوب زبان و ادبیات فارسی