طبقه‌بندی خودکار تصاویر سرطان پستان با استفاده از یادگیری انتقال بر روی تصاویر ماموگرافی بهبودیافته
الموضوعات : electrical and computer engineering
1 - گروه مهندسی کامپیوتر، دانشکده برق و کامپیوتر، دانشگاه علم و فناوری مازندران، بهشهر، ایران
2 - گروه علوم کامپیوتر، دانشکده ریاضی و علوم کامپیوتر، دانشگاه حکیم سبزواری، سبزوار، ایران
الکلمات المفتاحية: بهسازی تصویر, بینایی ماشین, سرطان پستان, شبکه عصبی عمیق, یادگیری عمیق,
ملخص المقالة :
سرطان پستان، یکی از نگرانی‌های مهم در حوزه بهداشت جهانی محسوب می‌شود، که به دو نوع خوش‌خیم و بدخیم تقسیم می‌شود. نوع بدخیم آن به دلیل متاستاز سریعتر، خطر بیشتری دارد. از اینرو، نیاز حیاتی به تشخیص سریع و دقیق دارد. علیرغم تخصص رادیولوژیست‌ها، خطاهای ناشی از تفسیر غلط منجر به تشخیص‌های نادرست می‌شود. برای حل این مشکل، این مقاله سیستم هوشمندی را برای تحلیل تصاویر ماموگرافی پیشنهاد می‌کند که شامل مراحل پیش‌پردازش، استخراج ویژگی‌ها و طبقه‌بندی آنها می‌باشد. در این سیستم، ابتدا با استفاده از تکنیک‌های پیش‌پردازشی مانند بهبود هیستوگرام تطبیقی محدود شده توسط کنتراست کیفیت تصویر را بهبود بخشیده و در ادامه از روش قطعه‌بندی به روش آستانه‌گذاری آتسو برای استخراج ناحیه مربوط به توده سرطانی استفاده می‌شود. همچنین با استفاده از دو مدل از پیش آموزش داده شده شبکه‌های عصبی پیچشی (CNN)، یعنی ResNet50 و InceptionV3، ویژگی‌های کلیدی برای تمایز بین تومورهای خوش‌خیم و بدخیم استخراج می‌شود. در نهایت، با بهره‌مندی از طبقه‌بند ماشین بردار پشتیبان (SVM)، ویژگی‌های استخراج شده به منظور پیشبینی نوع تومورها، تجزیه و تحلیل می‌شود. نتیجه این کار، بهبود دقت تشخیص و همچنین تشخیص زودهنگام سرطان پستان است، که منجر به کاهش خطای انسانی و چالش‌های فعلی در تفسیر تصاویر ماموگرافی می‌شود.