ارائه یک چارچوب هوشمند کامپیوتری جهت تشخیص غدد مشکوک ریوی

Abstract

پیش‌زمینه و هدف: یکی از نشانه‌های بروز سرطان ریه، که یکی از مرگبارترین سرطان‌ها محسوب می‌گردد، غده‌های ریوی می‌باشند. به دلیل اینکه آشکارسازی این غده‌های ریز از روی تصاویر سی‌تی‌اسکن ریه با چشم بسیار دشوار می‌باشد بنابراین سیستم‌های هوشمند یا سیستم‌های تشخیص به کمک کامپیوتر (CAD)، می‌توانند به‌عنوان کمک کار متخصص در آشکارسازی، محل یابی و ارزیابی کیفیت غده کمک کنند. مهم‌ترین چالش سیستم‌های هوشمند موجود، ارتقاء متعادل معیارهای دقت، تشخیص، حساسیت و کاهش نرخ خطای مثبت کاذب (FPr) بوده و همچنین پیچیدگی این سیستم‌ها، باعث کاهش کارایی و سرعت اجرا شده است بنابراین هدف از انجام پژوهش حاضر، ارائه یک چارچوب چابک و بهینه سازی چالش مدنظر می‌باشد. مواد و روش کار: یکی از زیرشاخه‌های نوین هوش مصنوعی، یادگیری عمیق وگرایش شبکه‌های CNN می‌باشند که در سال‌های اخیر، در تحلیل تصاویر پزشکی کاربرد زیادی یافته‌اند. در این پژوهش، یک شبکه ابتکاری مبتنی بر شبکه‌های CNN از نوع LeNet جهت استخراج ویژگی‌های تصویر و همچنین کلاس بندی تصاویر پیشنهاد می‌گردد. دیتاست مورد استفاده، یک زیرمجموعه به تعداد 7072 قطعه تصویر که از مجموعه دیتاست استاندارد LIDC-IDRI حاصل شده است، می‌باشد. غده‌های موجود در این تصاویر که جهت آموزش و اعتبارسنجی شبکه، استفاده می‌شوند دارای اندازه‌های 1 تا 4 میلی متر می‌باشند. یافته‌ها: فرآیندهای آموزش و اعتبارسنجی این شبکه با یک دستگاه رایانه دارای پردازنده Core i5 2.4GHz، حافظه 8GB و کارت گرافیکIntel Graphics 520 در مدت زمان، پنج ساعت و یازده دقیقه اجرا شده و به میزان دقت، حساسیت و تشخیص به ترتیب برابر با 91.1درصد،85.3درصد و 8/92درصد دست یافته است. بحث و نتیجه‌گیری: با توجه به مبنای استاندارد مدل ارائه شده و نیز استفاده از تصاویر پایگاه داده معتبر برای سنجش شبکه و مقایسه با کارهای پیشین، نتایج حاصل شده از آن، تعادل خوبی را بین معیارهای ارزیابی برقرار نموده و با اجرای سریع‌تر، قابلیت لازم برای کاربردهای زمان واقعی را کسب می‌نماید.