بررسي پارامترهاي متفاوت بر كارايي الگوريتم تشخيص ميتوز در تصاوير هيستوپاتولوژي سرطان سينه با استفاده از شبكه عصبي عميق

به گفته سازمان جهاني بهداشت، سرطان سينه دومين عامل مرگ ميان زنان است. در حالت كلي سلولهاي طبيعي در يك شخص سالم بسته به نياز طبيعي بدن رشد كرده و تقسيم ميشوند. گاهي فرآيند تقسيم سلولي دچار اختلال شده و سلولهاي جديد بدون نياز تكثير و تقسيم ميشوند. اين تقسيمات سلولي جديد ميتوز ناميده ميشود. براساس استاندارد ناتينگهام، شمارش ميتوز يكي از سه فاكتور اصلي در تشخيص و درجهبندي سرطان سينه است. شمارش ميتوز عملي تخصصي و طولاني است و امكان بروز خطا در آن وجود دارد. در سالهاي اخير به كمك تكنيكهاي پردازش تصوير، امكان پيشبيني سرطان توسط سيستمهاي هوشمند مبتني بر هوش مصنوعي به وجود آمده است. در اين مقاله يك شبكه عصبي عميق براي تشخيص شكلهاي ميتوزي در تصاوير هيستوپاتولوژي سرطان سينه معرفي شدهاست. مجموعه داده ICPR2012جهت آموزش و آزمايش شبكه استفاده شده است. پارامترهاي مختلفي در اين آزمايش مانند تعداد لايهها، نوع لايه ادغام، تعداد دورههاي آموزش و نوع تصاوير ورودي آزمايش گرديده و نتايج آنها بررسي گرديده است. نتايج نشان ميدهد برخي تبديلات باعث بهبود زمان يا افزايش صحت در اين شبكه ميگردد.