مروری بر روش‌های تشخیص سرطان پستان با استفاده از شبکه عصبی : مقاله مروری

Abstract

سرطان پستان، شایعترین سرطان در بین زنان می‌باشد و هر چقدر سرطان پستان زودتر تشخیص داده شود، درمان آن آسان‌تر است. رایج‌ترین روش تشخیص سرطان سینه ماموگرافی می‌باشد. ماموگرافی یک عکس رادیوگرافی ساده از پستان و ابزاری برای کشف زودرس سرطان‌ها و تومورهای غیرقابل لمس پستان است. با این‌حال، با توجه به برخی محدودیت‌های این روش مانند حساسیت کم به‌ویژه در سینه‌های متراکم، روش‌های دیگری مانند ماموگرافی سه بعدی، سونوگرافی و تصویربرداری با رزونانس مغناطیسی اغلب برای دستیابی به اطلاعات بیشتر و دقیق‌تر پیشنهاد می‌شود. به‌تازگی، سیستم‌های تشخیص یا تشخیص هوشمند با کمک رایانه برای کمک به رادیولوژیست‌ها به‌منظور افزایش دقت تشخیصی تولید شده‌اند. به‌طورکلی، یک سیستم کامپیوتری از چهار مرحله پیش‌پردازش، تقسیم مناطق مورد علاقه (ROI)، استخراج و انتخاب ویژگی‌ها و در آخر طبقه‌بندی تشکیل می‌شود. امروزه استفاده از روش‌ها و تکنیک‌های پردازش تصویر و شناسایی الگوها در تشخیص و تعیین خودکار سرطان پستان از روی تصاویر ماموگرافی و حتی آسیب‌شناسی دیجیتال که یکی از روندهای در حال ظهور در پزشکی مدرن است، باعث کم شدن خطاهای انسانی و افزایش سرعت تشخیص می‌شوند. در این مقاله مروری به بررسی کارهای انجام شده و معایب و مزایای آن در زمینه‌ی تشخیص سرطان پستان به کمک شبکه‌های عصبی به‌ویژه شبکه عصبی کانوولوشن (Convolutional artificial neural network) که در تشخیص انواع سرطان‌ها به‌ویژه تشخیص هوشمند سرطان‌ پستان به‌طور گسترده‌ای استفاده شده است، پرداخته شده است. بررسی مقالات نشان می‌دهد که الگوریتم‌های ترکیبی در بهبود طبقه‌بندی و دقت تشخیص بهتر بوده‌اند.