سرطان پستان یک مسئله رو به رشد در سراسر جهان است و پس از بیماریهای قلبی-عروقی، دومین عامل مرگ و میر است. پژوهشگران تلاش میکنند تا روشهایی برای تشخیص زودهنگام بیماری ایجاد کنند، و تکنیکهای یادگیری عمیق نتایج قابل توجهی نشان دادهاند. با این حال، اکثر این رویکردها عمدتاً بر استفاده از تصویربرداری سرطان پستان تمرکز داشتهاند و فرآیند تشخیص را محدود میکنند.
یک مطالعه اخیر توسط محققان از دانشگاه Queen’s Belfast و کالج فدرال مدیریت وحشتی، نیجریه، به آدرس این مسئله پرداخته و یک رویکرد نوین یادگیری عمیق را که شبکه عصبی پیچشی دوقلو (TwinCNN) را با یک روش بهینهسازی دودویی ترکیب میکند، پیشنهاد میدهد. این رویکرد در جهت بهبود طبقهبندی تصاویر سرطان پستان با استفاده از تصاویر دیجیتالی ماموگرافی و نمونههای بیوپسی پستان هیستوپاتولوژیک استفاده میشود.
در این مطالعه، اهمیت رویکرد چندحالته در تحلیل تصویر پزشکی برجسته شده و استفاده کمتر از تکنیک شبکه عصبی سیامی در مطالعات قبلی روی چندحالتی تصاویر پزشکی مورد تأمل قرار میگیرد. چارچوب پیشنهاد شده TwinCNN شبکه عصبی پیچشی دوقلو را با بهینهساز ترکیبی دودویی برای انتخاب و کاهش ابعاد ویژگیها ترکیب میکند.
معماری TwinCNN برای استخراج ویژگیها از ورودیهای چندحالته طراحی شده است، در حالی که روش بهینهسازی دودویی این ويژگیها را بهبود میبخشد. علاوه بر این، یک لایه ادغام نقشه احتمال برای ترکیب تصاویر چندحالته بر اساس ویژگیها و برچسبهای پیشبینی شده معرفی میشود.
این مطالعه عملکرد چارچوب TwinCNN پیشنهادی را با استفاده از مجموعهدادههای پیشگیرانه (MIAS و BreakHis) ارزیابی میکند. نتایج نشان میدهد که دقت طبقهبندی برای یکحالت و همچنین طبقهبندی چندحالتی در مقایسه با روشهای یادگیری عمیق سنتی بهبود یافته است. بهینهساز دودویی پیشنهادی همچنین در کاهش بعد ویژگی و بهبود عملکرد طبقهبند کمک میکند.
به طور خلاصه، این مطالعه نشان میدهد که چارچوب TwinCNN به طور موثر بر مسئله طبقهبندی تصاویر سرطان پستان با استفاده از رویکرد چندحالته پاسخ میدهد. با ترکیب ویژگیهای تصاویر و برچسبهای پیشبینی شده، این رویکرد دقت طبقهبندی را افزایش داده و تشخیص و تصمیمگیری بهتری در تحلیل تصویر پزشکی ارائه میدهد. روشهای یادگیری عمیق، به ویژه کسانی که از دادههای چندحالتی استفاده میکنند، قابلیت تحول در تشخیص زودرس سرطان را دارند و نتایج بیماران را بهبود میبخشند.
The source of the article is from the blog rugbynews.at