تشخیص درجهی بدخیمی سرطان پروستات با استفاده از ترکیب ویژگیهای عمیق و ویژگیهای آماری بافت تصاویر پاتولوژی

Abstract

سرطان پروستات،به عنوان یکی از مهمترین بیماریهای مردان به شمار میرود.تشخیص زودهنگام و به موقعاین بیماری ودرجهیپیشرفتآن، به روند درمان و جلوگیری از سرایت بیماری به سایر بافتها،کمک شایانی میکند. به منظور تعیین درجهی بیماری،از بافتنمونهبرداریشده و با بررسیساختار پاتولوژی، نوع درجه تعیین میگردد. در جدیدترین دستهبندی، بافت پروستات به پنج درجه تقسیمبندی میشود که درجهی یک، خوشخیمترین حالت و درجهی پنج، نشاندهندهی وخیمترین حالت بیماری میباشد. با توجه به زمانبر بودن طبقهبندی توسط انسان و رشد فناوری هوش مصنوعی، اخیرا این طبقهبندیها توسط الگوریتمهای هوشمند مختلفی انجام میشود. اگرچه امروزه روشهای قدرتمندی به منظور توصیف و طبقهبندی تصاویر،ابداع شده، اما وجود فاصلهی معناداری میان ادراک بینایی انسان و ویژگیهای سطح پایین استخراج شده توسط الگوریتمها، مهمترین چالش در راهدستیابی به دقت مطلوب به شمارمیرود. در این مقاله، با ترکیب ویژگیهای آماری بافت تصویر و ویژگیهای عمیق استخراج شده توسط شبکهی عصبی کانولوشن عمیق ،روش جدیدیارائه شده است که در آن، استفاده از شبکهی عصبی کانولوشن عمیق، باعث به دست آمدن ویژگیهایسطح بالا و عمیقی از تصاویر پاتولوژی شدهو با ترکیب این ویژگیهاباویژگیهای آماری بافت، دقت طبقهبندی افزایش یافته است. به منظور ارزیابیروش پیشنهادی، این روشروی پایگاهدادهی جامعهی بینالمللی آسیبشناسی اورولوژی، اعمال شده است. نتایجبه دست آمدهنشان میدهد که روش پیشنهادی، به دقت بیشتری نسبت به سایر روشهای مرسوم برای طبقهبندی تصاویر پاتولوژی دست یافته است.