Authors | حسن فرسی,صابر فولادی,سجاد محمدزاده |
---|---|
Journal | پزشکی دانشگاه علوم پزشکی تبریز |
Page number | ۵۲۰-۵۲۸ |
Serial number | ۴۲ |
Volume number | ۵ |
Paper Type | Full Paper |
Published At | ۲۰۲۱ |
Journal Grade | ISI |
Journal Type | Typographic |
Journal Country | Iran, Islamic Republic Of |
Journal Index | isc |
Abstract
زمینه:تجزیه و تحلیل آسیب شناختی نقش مهمی را در تشخیص،پیش بینی و برنامه ریزی درمانی برای سرطان ایفامیکند .با استفاده از آسیب شناسی دیجیتال، یعنی اسکن و ذخیره دیجیتال بخشهای بافت بیمار، در حال حاضر میتوان ابزارهایی برای تجزیه و تحلیل خودکار این تصاویر پیچیده ایجاد کرد .پزشکان با استفاده از سیستم تشخیص کامپیوتری از یک دستیار هوشمند برای تشخیص دقیق بهره میگیرند. این سیستمها مزایای گستردهای در بهبود اثر بخشی درمان را دارا میباشند. روش کار:در این پژوهش از طبقه بندی کننده شبکه عصبی عمیق به کمک فریمورک تنسورفلو و بهره گیری از کتابخانه کراس استفاده شده است. تصاویر ورودی در ابتدا از یک فیلتر پایین گذر به منظور کاهش اثرات نویزی عبور داده میشوند. سپس تصاویر پیش پردازش شده به یک شبکه عصبی کانولوشن وارد میشوند.یافتهها:نتایج پژوهش تفاوت معنیداری در مقادیر دقت بین روشهای مختلف با روش پیشنهادی را آشکار مینماید که در بعضی از موارد نشان دهنده افزایش بیش از 4/81درصددر دقت تشخیص گردیده است. از دیگر مزایای روش پیشنهادی فراهم آوردن حساسیت بالا در تصاویر هیستوپاتولوژی میباشد که بین 81تا 81درصد افزایش را در مقایسه با سایر پژوهشها نشان میدهد.علت این برتری استخراج ویژگیهای سطح بالا توسط شبکههای عصبی کانولوشن بوده کهبا کاهش اندازه بردار ویژگی همراه میباشد.نتیجهگیری:نتایج حاصل نشان دهنده دقت 6/81درصدبرای تصاویر سرطان پوست و دقت 8/86درصدبرای تصاویر هیستوپاتولوژی سرطان سینه است که در مقایسه با نتایج سایر پژوهشها سیستم پیشنهادی نتایج امیدوار کنندهای را ارائه میدهد.
tags: سرطان سینه، سرطان پوست، شبکه عصبی کانولوشن، تقسیم بندی هسته