مقاله مورد نظر که باید به زبان فارسی ترجمه شود:
خلاصه: پژوهشگران در دانشگاه رودن به همراه دانشمندان چین و عربستان سعودی، با موفقیت موفق شدند مدل یادگیری ماشینیای را توسعه دهند که دقت تشخیص سرطان پستان را از طریق تصاویر بافت شناسی به طور قابلتوجهی افزایش میدهد. با همجوج کردن واحدهای توجه اضافی به شبکههای عصبی تأکیدی ، مدلی که درصد دقتی نزدیک به 100% داشت، بدست آمد. انتظار میرود این شکست تکنولوژیکی در کاهش بار مشغله بر روی پزشکان، بهبود درمان و تشخیص سرطان پستان و افزایش توانایی کلی تجزیه و تحلیل تصاویر پزشکی مؤثر باشد.
در حوزه تشخیص پزشکی، تشخیص دقیق و به موقع بسیار بر توقعات برای بیماران مبتلا به سرطان پستان تأثیر میگذارد. با این حال، عوامل ذهنی و کیفیت نمونه معمولاً میتواند منجر به تشخیصهای نادرست بر اساس نتایج بافت شناسی شود. برای رفع این مشکل، یک تیم ریاضیدانان در دانشگاه رودن پتانسیل یادگیری ماشینی را برای تشخیص دقیقتر سرطان در تصاویر بافت شناسی مورد بررسی قرار دادند.
رویکرد آنها شامل تست کردن شبکههای عصبی کانولوشنی مختلف با ماژولهای دوگانه توجه کانولوشنی بود. این ماژولهای اضافی طراحی شدهاند تا قدرت شبکه برای تشخیص تشکیلات سرطانی در تصاویر را افزایش دهند. مدل با استفاده از مجموعه داده BreakHis آموزش داده شد و ارزیابی شد که شامل تقریباً 10 هزار تصویر بافت شناسی به دست آمده از 82 بیمار بود.
در میان مدلهای آزمایشی، مدلی که نتایج بازده واعدتری را به ارمغان آورد، ترکیبی از شبکه کانولوشنی DenseNet211 با ماژولهای توجه بود. این مدل دقت تقریباً 99.6٪ را داشت. در طی تحقیقات خود، ریاضیدانان نیز مشاهده کردند که تشخیص تشکیلات سرطانی تحت تأثیر مقیاس است. به همین دلیل، آنها بر لزوم در نظر گرفتن یک تکنیک تقریب مناسب برای کاربردها در دنیای واقعی تأکید کردند.
طبق گفته آمار ماتانا، دکترای مدیر مرکز علمی مدلسازی شبکههای بیسیم 5G در دانشگاه رودن، ماژولهای توجه به طور قابلتوجهی عملکرد کلی مدل را بهبود دادند، استخراج ویژگیها را بهبود میبخشند و امکان مدل برای تمرکز بر بخشهای حیاتی تصاویر را فراهم میکنند. ماتانا بر اهمیت مکانیسمهای توجه در تجزیه و تحلیل تصاویر پزشکی تأکید میکند، و اظهار میکند که این فناوری نوآورانه نه تنها بار مشغله پزشکان را کاهش خواهد داد، بلکه دقت آزمونها را افزایش خواهد داد و در نهایت به درمان و تشخیص سرطان پستان کمک میکند.
The source of the article is from the blog radiohotmusic.it