تشخیص میتوز در سرطان سینه با استفاده از یادگیری عمیق

سرطان سینه یکی از دلایل عمده و اصلی مرگ و میر زنان در دهه اخیر بوده است، میزان ابتلا به سرطان سینه در جهان در حال افزایش است. در ایالت متحده از هر 8 زنی که تا سن 95 سالگی عمر می کنند، یک نفر به این سرطان مبتلا می شود. این سرطان یکی از معمولترین سرطان ها تشخیص داده شده در زنانمیباشد و مرگ ناشی از سرطان سینه، بیشتر در سنین 15 تا 54 سالگی در زنان دیده میشود. تحقیقات، آشکار کردن ایتولوژی دقیق سرطان سینه را رد می کند و تنها تعداد کمی از فاکتورهای اصلی مانند تاریخچه فامیلی شناخته شده اند که باعث افزایش ابتلا به سرطان سینه در زنان می شوند. البته هنوز هم تعداد زیادی از زنانی که به سرطان سینه مبتلا می شوند هیچ سابقه بیماری در خانواده خود ندارند.این نوع سرطان قابل پیشگیری نیست زیرا هنوز دلایل اصلی بوجود آمدن آن مشخص نیست، اما تشخیص به موقع آن میتواند شانس فرد را در بهبودی کامل افزایش دهد. عدم وجود داده های ground-truth موجود به عنوان یک چالش مهم برای انتقال پیشرفت اخیر در یادگیری عمیق به حوزه تصویر برداری بیوپزشکی شناسایی شده است. اگر چه جمع سپاری باعث شده است که یادداشت پایگاه داده های بزرگ برای تصاویرجهان واقعی امکان پذیر شود امکان آن برای اهداف بیوپزشکی مستلزم درک عمیق تری است وبنابراین تعریف دقیق تری از یادداشت واقعی را به دنبال داشته است. این حقیقت که کارهای تخصصی برای کاربران غیر متخصص از بیرون تامین میشوند ممکن است منجر به یادداشتهای نویز دار شوند که باعث عدم توافقبین کاربر آن میشوند. در این تحقیق، ما یک مفهوم جدید را برای یادگیری از جمعیتها ارایه میدهیم که در آن انباشت داده ها مستقیما به عنوان بخشی از فرآیند یادگیری شبکه CNN از طریق لایه جمع سپاری اضافی AggNet کنترل میشود.

کلیدواژه ها:

شاخص:انباشت ، جمع سپاری ، یادگیری عمیق ، یادگیری آنلاین