بررسی پارامترهای متفاوت بر کارایی الگوریتم تشخیص میتوز در تصاویرهیستوپاتولوژی سرطان سینه با استفاده از شبکه عصبی عمیق

به گفته سازمان جهانی بهداشت، سرطان سینه دومین عامل مرگ میان زنان است. در حالت کلی سلولهای طبیعی در یک شخص سالم بسته به نیاز طبیعی بدن رشد کرده و تقسیم میشوند. گاهی فرآیند تقسیم سلولی دچار اختلال شده و سلولهای جدید بدون نیاز تکثیر و تقسیم میشوند. این تقسیمات سلولی جدید میتوز نامیده میشود. براساس استاندارد ناتینگهام، شمارش میتوز یکی از سه فاکتور اصلی در تشخیص و درجه بندی سرطان سینه است. شمارش میتوز عملی تخصصی و طولانی است و امکان بروز خطا در آن وجود دارد. در سالهای اخیر به کمک تکنیک های پردازش تصویر، امکان پیشبینی سرطان توسط سیستم های هوشمند مبتنی بر هوش مصنوعی به وجود آمده است. در این مقاله یک شبکه عصبی عمیق برای تشخیص شکلهای میتوزی در تصاویرهیستوپاتولوژی سرطان سینه معرفی شدهاست. مجموعه دادهICPR2012 جهت آموزش و آزمایش شبکه استفاده شده است. پارامترهای مختلفی در این آزمایش مانند تعداد لایه ها، نوع لایه ادغام، تعداد دورههای آموزش و نوع تصاویر ورودی آزمایش گردیده و نتایج آنها بررسی گردیده است. نتایج نشان میدهد برخی تبدیلات باعث بهبود زمان یا افزایش صحت در این شبکه میگردد.

کلیدواژه ها:

سرطان سینه ، تشخیص میتوز ، شبکه عصبی ، یادگیری عمیق ، تصاویر هیستوپاتولوژی