مشخصات پژوهش

عنوان	طبقه‌بندی و تشخیص سرطان سینه براساس تصاویر سه بعدی سونوگرافی
نوع پژوهش	پایان نامه
کلیدواژه‌ها	سرطان سینه، سونوگرافی، شبکه عصبی یادگیری عمیق، طبقه‌بندی
چکیده	یکی از شایع‌ترین سرطان‌ها در بین زنان سرطان سینه می‌باشد که در صورت عدم تشخیص و پیش‌بینی به هنگام آن موجب به خطر افتادن جان بیمار می‌شود. انواع روش‌های تصویربرداری پزشکی و همچنین نمونه‌برداری به پزشکان در تشخیص این بیماری کمک می‌کنند. از آن‌جایی که نمونه‌برداری روشی تهاجمی به شمار می‌آید، استفاده از روش‌های تصویربرداری گزینه بهتری می‌باشد. پزشک متخصص با بررسی تصاویر سینه می‌تواند وجود تومور را تشخیص دهد. از علوم کامپیوتر نیز می‌توان در پردازش تصاویر پزشکی و تشخیص بیماری‌ها نیز استفاده نمود. یادگیری عمیق زیر مجموعه‌ای از هوش مصنوعی است که در پردازش انواع تصاویر و بالاخص تصاویر پزشکی نتایج امیدوار کننده‌ای را به دست آورده است. در این پژوهش از چهار شبکه عصبی یادگیری عمیق کانولوشن، خودرمزگذار کانولوشنی، رس نت 50 در دو حالت پیش آموزش دیده و آموزش از ابتدا و شبکه اینسپن وی 3 نیز در دو حالت پیش آموزش‌دیده و آموزش از ابتدا، برای طبقه‌بندی تصاویر سونوگرافی ضبط شده از سینه در دو سناریو استفاده شده است. در سناریوی اول طبقه‌بندی در دو کلاس سرطان خوش‌خیم وسرطان بدخیم انجام شده و در سناریوی دوم طبقه‌بندی در سه کلاس سرطان خوش‌خیم، سرطان بدخیم و افراد سالم انجام شده است. مجموعه داده مورد استفاده در این پژوهش شامل 780 تصویر در سه کلاس سالم یا نرمال (133 تصویر)، سرطان بدخیم (210 تصویر) و سرطان خوش‌خیم (487 تصویر) بود. تعداد این تصاویر با استفاده از روش‌های افزایش داده مانند چرخش 5 درجه، انعکاس در جهت افقی و عمودی به 6413 تصویر شامل 2185 تصویر سرطان خوش‌خیم، 2100 تصویر سرطان بدخیم و 2128 تصویر افراد سالم رسید. در مرحله بعد برای داشتن تصاویر هم اندازه، ابعاد تصاویر به 150*125 پیکسل تغییر پیدا کرده و برای آموزش شبکه‌ها مورد استفاده قرار گرفتند. در طبقه‌بندی دو کلاسه بالاترین صحت توسط شبکه اینسپشن وی 3آموزش دیده با مقدار 97% به دست آمد. بالاترین دقت در کلاس سرطان خوش‌خیم با مقدار 100% توسط شبکه‌های خودرمزگذار کانولوشنی و رس نت 50 آموزش از ابتدا حاصل شد. این معیار در کلاس سرطان بدخیم با مقدار 98% توسط شبکه اینسپشن وی 3آموزش دیده به دست آمد. حساسیت 98% در کلاس خوش‌خیم توسط شبکه اینسپشن آموزش از ابتدا و 99% در کلاس بدخیم توسط شبکه‌های خودرمزگذار کانولوشنی و رس نت آموزش از ابتدا حاصل شد. معیار F در هر دو کلاس توسط شبکه اینسپشن وی 3 آموزش دیده با مقدار 99% و 98% به دست آمده است.در طبقه‌بندی سه کلاسه شبکه اینسپشن وی 3 آموزش دیده به بالاترین صحت با مقدار 96% رسید. بالاترین دقت، حساسیت و معیار F به ترتیب با مقدار 100%، 96%و 98% توسط شبکه‌ اینسپشن وی 3آموزش دیده، در گروه خوش‌خیم حاصل شد. در گروه بدخیم برای این معیارها 98%، 100% و 98% توسط شبکه‌های کانولوشن و اینسپشن وی 3آموزش دیده به دست آمده است. در گروه افراد سالم، مقادیر 98%، 99% و 98% توسط شبکه‌های کانولوشن، خودرمزگذار کانولوشنی و اینسپشن وی 3 آموزش دیده به دست آمده است.
پژوهشگران	هاشم پروین (استاد مشاور)، روجیار پیرمحمدیانی (استاد راهنما)، شیما وحدتی (دانشجو)