تشخیص سرطان سینه مبتنی بر استفاده از شبکه های عصبی

سرطان پستان بدخیم یکی از رایج ترین عوارض زنان و یکی از عوامل اصلی مرگ و میر آنان است که در صورت تشخیص سریع و مناسب نرخ آن به شدت کاهش می یابد. مهم ترین روش در تشخیص سرطان پستان، ماموگرافی است متاسفانه ماموگرافی در تشخیص بین توده های خوش خیم و بدخیم عملکرد ضعیفی دارد. به همین دلیل بسیاری از موارد مشکوک ماموگرافی به بیوپسی می انجامد و این در حالی است که فقط 10 تا 15 درصد زنانی که تحت بیوپسی قرار می گیرند دارای تومور بدخیم هستند. که این موضوع منجر به هزینه، اضطراب و ناراحتی زیادی برای زنان می شود. و شاید به همین دلیل بسیاری از زنان برای انجام معاینات غربالگری سالانه به مراکز درمانی مراجعه نمی کنند اخیرا روش های متعددی برای جایگزینی بیوپسی پستان پیشنهاد شده است که مهم ترین آنها در این گزارش بررسی شده اند. در حالی که به دلایل مختلف از جمله موارد خطا و هزینه های سنگین، هنوز هیچ روشی به عنوان جایگزین قطعی برای بیوپسی و یا ماموگرافی تأیید نشده است در این میان استفاده از روش مبتنی بر پردازش تصویر، می تواند گام موثری در جهت افزایش دقت تشخیص و کاهش موارد ارجاعی به بیوپسی بشمار آید. هدف اصلی از اجرای این تحقیق دستیابی به روشی اتوماتیک برای تشخیص توده خوش خیم از بدخیم با استفاده از شبکه های عصبی است که به پزشک در تصمیم گیری نهایی جهت ارجاع بیمار به بیوپسی کمک خواهد کرد ایده اصلی در انجام آن استفاده از ویژگیهایی است که توسط پزشک و به صورت دیداری قابل ارزیابی نیستند ولی شبکه های عصبی قابلیت آموزش و پاسخگویی به آنها را دارند برای دستیابی به نتایج مطلوب لازم است. داده ها و یا به عبارت دیگر تصاویر ماموگرافی قبل از ارایه به شبکه تحت پیش پردازش قرار گیرند تا خطای تشخیص شبکه به حداقل ممکن کاهش یابد. تصاویر مورد استفاده برای این پژوهش از پایگاه داده های مرکز تحقیقات سرطان پستان در انگلستان (mias) اخذ شده است. نتایج بر اساس منحنی (receiver operating haracteristies) roc و همچنین نمودارهای رنگی ارزیابی و بیان شده اند. در نهایت راهکارهایی نیز برای بهبود عملکرد سیستم پیشنهاد شده است.