ویرگول
ورودثبت نام
ای ترجمه
ای ترجمهخدمات ارائه مقالات علمی و سفارش ترجمه تخصصی
ای ترجمه
ای ترجمه
خواندن ۵ دقیقه·۴ سال پیش

یک سیستم تشخیص کامپیوتری برای شناسایی سرطان پستان (مقاله ترجمه شده)

چکیده

تشخیص کامپیوتری برای سرطان پستان حالا بیش از پیش مورد توجه قرار گرفته است که این موضوع به دلیل افزایش اجرای تصویر برداری های ماموگرام می باشد. به صورت خاص، تشخیص و دسته بندی کردن جرم های موجود در تصویر های ماموگرام اهمیت بسیار زیادی دارند. به همین دلیل، مطالعه های زیادی در این زمینه انجامشده است و تکنیک های مختفی نیز ارائه شده است. این مقاله یک شبکه عصبی پیچه ای (CNN) را برای شناسایی خودکار سرطان پستان با استفاده از داده های بخش بندی شده از دیتابیس دیجیتال برای پویش ماموگرافی ها (DDSM) ارائه می کند. ما یک شبکه با معماری CNN را ایجاد کردیم که دیگر ویژگی های دستی متداول را استخراج نمی کند بلکه استخراج ویژگی ها و دسته بندی آن ها را به صورت همزمان در قالب شبکه های عصبی انجام می دهد. ازین رو این روش می تواند یک تشخیص خودکار را بدون مدیریت کاربر، ارائه کند. روش ارائه شده ، نرخ دسته بندی بهتری را فراهم می کند که این موضوع باعث می شود تشخیص های بسیار بهتری ایجاد شود.

مقدمه

سرطان به صورت عمومی به معنی یک تومور مرتبط با تکثیر بی قاعده و بی نهایت از سلول هایی است که از نظر ژنتیکی تغییر یافته اند. این تکثیر مبدا تخریب بافت های مبنا و توسعه تومور می باشد. در این مورد، ارگانیسم ها نمی توانند این تومور را کنترل کنند. تکثیر شدن سلول های تومور در یک محل شامل یک تومور بدخیم و یا سرطان می باشد. منتشر شدن سلول های سرطانی از تومور محلی به دیگر قسمت های بدن، با نام متاستاز شناخته می شود. به صورت خاص، سرطان پستان یکی از رایج ترین دلایل مرگ در میان زنان در سراسر جهان می باشد.

سرطان پستان یکی از رایج ترین سرطان ها در حوزه سلامت عمومی می باشد و تقریبا هر یک زن از میان ده زن ، در طول زندگی خودش دچار این بیماری می شود. اما، کاهش نرخ مرگ در اثر این نوع از سطران همراه با توسعه احتمال بازیابی، تنها در صورتی ممکن است که این موتور در اولین فاز های رشد خودش شناسایی شده و درمان شود. در نتیجه برای تضمین شناسایی اولیه این تومور ها، رادیولوژیست ها تکرار ماموگرافی ها را افزایش داده اند که این موضوع به خصوص برای گروه سنی که سرطان بیشتری در آن ها وجود داشته، رخ داده است. به علاوه، هر سال، بخش زیادی از تصویر های ماموگرافی باید تحلیل شوند  که این موضوع نیازمند کار و زمان بسیار زیادی می باشد و رادیولوژیست های مختلف باید با یکدیگر کار کنند تا بتوانند تصمیم گیری های مناسبی داشته باشند. به همین دلیل، مطالعه های تحقیقاتی مختلفی در این زمینه انجام شده است که باعث خودکار شدن بررسی ماموگرافی ها و تصمیم گیری شده است.

کارهای مرتبط

تمام زنان ممکن است تحت تاثیر سرطان پستان قرار بگیرند .سرطان پستان دلیل اول مرگ زنان می باشد. در نتیجه، مطالعه های مختلفی انجام شده است تا ابزاری توسعه پیدا کنند که بتوان از آن ها برای تشخیص این بیماری های سرطانی استفاده کرد. سیستم های شناسایی خودکار سرطان پستان با استفاده از تکنیک های مختلف یادگیری ماشینی (ML) توسعه پیدا کرده اند.

روش پیشنهاد شده

ایجاد کردن شبکه ها با روش پیشنهاد شده که در شکل 2 نشان داده شده است، بعد از چند آزمایش و یک مطالعه دقیق نسبت به مقالات برای دیگر روش های دسته بندی، محقق شد. یک گام اولیه برای دسته بندی دستی در دیتابیس نیز برای به دست آوردن جرم های مختلف، انجام شد.

دسته بندی

در روش ما، یک دسته بندی دستی از جرم در بیس یادگیری (بیس ما شامل تصویر های جرمی می باشد که یک دایره قرمز دور آن ها کشیده شده است) انجام می شود تا بتوان کانتور ها را به دست آورد تا با استفاده از تحلیل ImageJ آن ها را تحلیل کرد( شکل 3 نشان دهنده یک نمونه می باشد).

نتایج

در آزمایشات خودمان، ما از دیتابیس دیجیتال برای پویش ماموگرافی (DDSM) استفاده کردیم. این دیتابیس متشکل از 190 تصویر می باشد که 95 تصویر آن خوشخیم و 95 تصویر آن نیز بدخیم هستند. اجرای این روش با استفاده از Deeplearning4j انجام شده است. Deeplearning4j اولین کتابخانه یادگیری عمقی توزیع شده متن باز به صورت تجاری می باشد که برای Java و Scala نوشته شده است.

مباحث و جمع بندی

سرطان پستان دلیل اصلی مرگ زنان در جهان می باشد. تمام زنان ممکن است تحت تاثیر این بیماری قرار بگیرند. مطالعه های مختلف در ماموگرافی ها و تصویر های مربوطه انجام شده است تا ابزاری ایجاد شود تا بتواند این بیماری های سرطانی را تشخیص دهد. سیستم های خودکار شناسایی سرطان پستان با استفاده از روش های یادگیری ماشینی مختلف، (ML) به دست آمده است.

در این مطالعه، ما یک سیستم کمکی برای تشخیص را ارائه می دهیم که تصویر های ماموگرافی را دسته بندی می کند تا بتواند ماهیت تومور ها( خوشخیم و بدخیم) را با استفاده از یک شبکه عصبی پیچه ای (CNN) به عنوان دسته بندی کننده دو تایی به دست بیاورد و دو دسته بندی از تصاویر را ارائه کند. دیتابیس دیجیتال برای پویش ماموگرافی ها (DDSM) در این قسمت برای تایید کردن قدرت این روش، مورد استفاده قرار می گیرد.

روش پیشنهاد شده در این مقاله، دیگر از استخراج دستی مشخصه ها استفاده نمی کند. روش های متداول که در این قسمت مورد استفاده قرار می گیرند معمولا با مشکلاتی مانند الگوریتم های ساده و قوی برای محاسبه ویژگی ها، ارزیابی این ویژگی ها و ارتباط آن ها برای تفکیک دسته ها رو به رو هستند . این روش مبتنی بر شبکه های عصبی پیچه ای می باشد و میتواند این دشواری ها را رفع کرده و در نتیجه، در تشخیص سرطان عملکرد بهتری را خواهد داشت.

در نهایت، روش پیشنهاد شده یک سیستم شناسایی سرطان پستان به صورت کامپیوتری را ارائه می کند که رادیولوژیست ها و متخصص های زنان را قادر می سازد تا بتوانند سرطان پستان را در بیماران در مراحل اولیه تشخیص دهند و این روش، می تواند یکی از بهترین عملکرد ها را در زمینه دیتابیس موجود (DDSM) ارائه کند.

این مقاله در سال 2018 در نشریه اسپرینگر و در کنفرانس هوش محاسباتی در داده کاوی ، توسط گروه علوم کامپیوتر منتشر شده و در سایت ای ترجمه جهت دانلود ارائه شده است. در صورت نیاز به دانلود رایگان اصل مقاله انگلیسی و ترجمه آن می توانید به پست دانلود ترجمه مقاله یک سیستم تشخیص کامپیوتری برای شناسایی سرطان پستان در سایت ای ترجمه مراجعه نمایید.

۰
۰
ای ترجمه
ای ترجمه
خدمات ارائه مقالات علمی و سفارش ترجمه تخصصی
شاید از این پست‌ها خوشتان بیاید