جستجو در:
دوره 15، شماره 2 - ( 1403 )
جلد 15 شماره 2 صفحات 0-0 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
lajevardi S, Allahverdi َ, Shojaeilangari S. Lung Cancer Diagnosis from histopathological images using deep learning approaches. JMBS 2024; 15 (2)
URL: http://biot.modares.ac.ir/article-22-71149-fa.html
URL: http://biot.modares.ac.ir/article-22-71149-fa.html
لاجوردی سیما سادات، اله رودی عبداله، شجاعی لنگری سیده سمانه. تشخیص سرطان پستان از روی تصاویر هیستوپاتولوژی با استفاده از یادگیری عمیق. زیست‌فناوری مدرس. 1403; 15 (2)
1- گروه بیوفیزیک. دانشکده علوم زیستی. دانشگاه تربیت مدرس،
2- دانشگاه تربیت مدرس، دانشکده علوم زیستی. گروه بیوفیزیک ،a-allahverdi@modares.ac.ir
3- پژوهشکده برق و فناوری اطلاغات. سازمان پژوهشهای علمی و صنعتی ایران،
2- دانشگاه تربیت مدرس، دانشکده علوم زیستی. گروه بیوفیزیک ،
3- پژوهشکده برق و فناوری اطلاغات. سازمان پژوهشهای علمی و صنعتی ایران،
چکیده: (703 مشاهده)
سرطان یکی از شایع‌ترین علل مرگ و میر در جهان است. سرطان پستان فراوان ترین سرطان در بین زنان است و سالیانه باعث میزان بالایی از مرگ و میر می شود. معتبرترین و مطمئن ترین روش برای مدیریت موفق سرطان، تشخیص دقیق و زود هنگام است. در مقابل، عدم تشخیص به موقع منجر به گسترش سرطان در بدن می شود، در نتیجه درمان و کنترل آن را دشوار می نماید. روش استاندارد طلایی برای تشخیص سرطان پستان، بیوپسی است. به طور معمول از روش های دستی و بصری برای تشخیص سرطان استفاده می شود و پاتولوژیست اسلاید های هیستوپاتولوژی را زیر میکروسکوپ بررسی می نماید که این نوع تشخیص به زمان زیاد و تخصص بالایی احتیاج دارد و بسیار مستعد خطاست، به همین دلیل استفاده از سیستم تشخیص رایانه ای(CAD) برای کمک به پزشکان در جهت بهبود کارایی تفسیر تصاویر پزشکی ضروری است. در این مطالعه ما از مدل های یادگیری عمیق، خصوصا شبکه های عصبی کانولوشنی (CNNs) برای تشخیص سرطانی بودن یا نبودن تصاویر هیستوپاتولوژیک استفاده می کنیم. میزان AUC، صحت و امتیاز F1 به دست آمده با استفاده از شبکه ی عصبی عمیق از پیش آموزش داده شده Incetion-V3 به ترتیب برابر 36/98 % ، 28/95 % و 25/97 % است و همین پارامترها برای شبکه ی عصبی عمیق از پیش آموزش داده شده ی ResNet-18 برابر با 90/97 % ، 46/97 % و 22/98 % می باشد. مدل ارائه شده قادر است برای مورفولوژی های متفاوت بافت پستان، پاسخ قابل توجهی ارائه دهد.
نوع مقاله: پژوهشی اصیل |
موضوع مقاله:
بیو انفورماتیک
دریافت: 1402/5/28 | پذیرش: 1403/1/28 | انتشار: 1403/4/4
دریافت: 1402/5/28 | پذیرش: 1403/1/28 | انتشار: 1403/4/4
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |