تشخیص سرطان ریه با استفاده از تصاویر سی تی اسکن و شبکه عصبی کانولوشن دو بعدی

چکیده مقاله

سرطان ریه یکی از شایع ترین و مرگبارترین انواع سرطان در جهان است و تشخیص زودهنگام آن نقش کلیدی در افزایش نرخ بقا و بهبود درمان بیماران دارد روش های مرسوم تصویر برداری به ویژه سی تی اسکن اطلاعات ارزشمندی در اختیار پزشکان قرار می دهد اما تفسیر دقیق این تصاویر به دلیل حجم بالای داده و شباهت بصری میان بافت های سالم و توموری نیازمند زمان و تخصص فراوان است در سال های اخیر بهره گیری از یادگیری عمیق و شبکه های عصبی کانولوشن دو بعدی ۲D CNN به عنوان روشی موثر برای تشخیص خودکار الگوهای پنهان در تصاویر پزشکی مورد توجه ویژه قرار گرفته است در این پژوهش با هدف طراحی مدلی کارآمد و سبک برای تشخیص خودکار سرطان ریه از مجموعه داده ی عمومی IQOTH/NCCD شامل ۳۰۰ تصویر سی تی اسکن استفاده شد؛ که از این میان ۲۰۰ تصویر مربوط به بیماران مبتلا به سرطان ریه و ۱۰۰ تصویر متعلق به افراد سالم بودند تصاویر پس از پالایش اولیه و حذف نویز تحت مراحل پیش پردازش شامل نرمال سازی شدت پیکسل ها، تغییر اندازه به ابعاد استاندارد ۲۵۶×۲۵۶ پیکسل و افزایش داده ها Data Augmentation قرار گرفتند مدل طراحی شده شامل یک لایه کانولوشن دو بعدی برای استخراج ویژگی های مکانی، یک لایه فعال سازی ReLU، چهار لایه Fully Connected جهت یادگیری روابط سطح بالا و در نهایت لایه Softmax برای طبقه بندی نهایی بود آموزش مدل با بهینه ساز Adam و نرخ یادگیری ۰ ۰۰۱ در طی ۵۰ دوره انجام شد داده ها با نسبت ۸۰ به ۲۰ میان مجموعه های آموزش و آزمون تقسیم شدند نتایج ارزیابی مدل با استفاده از ماتریس کانفیوژن نشان داد که شبکه طراحی شده عملکردی بسیار رضایت بخش دارد دقت کلی مدل Accuracy برابر با ۹۲، حساسیت Sensitivity برابر با ۰ ۹۲۵، ویژگی Specificity برابر با ۹۰ و امتیاز F۱ معادل ۰ ۹۳۶ به دست آمد تحلیل نتایج نشان داد که مدل پیشنهادی قادر است با ساختاری ساده و حجم پارامتر کم تفکیک موثری میان تصاویر سالم و سرطانی ایجاد کند همچنین مقدار پایین خطاهای مثبت و منفی کاذب نشانگر پایداری و تعمیم پذیری مناسب مدل است در مجموع یافته های این پژوهش بیانگر آن است که استفاده از شبکه های عصبی کانولوشن دو بعدی می تواند ابزاری موثر برای تشخیص زودهنگام سرطان ریه از روی تصاویر سی تی اسکن باشد سادگی معماری، دقت بالا و کارایی محاسباتی مناسب این مدل را به گزینه بالقوه برای توسعه سیستم های هوشمند پشتیبان تصمیم گیری بالینی در حوزه ی تصویربرداری پزشکی تبدیل کرده است

کلیدواژه‌ها

نویسندگان

فاطمه کشاورز

گروه مهندسی پزشکی واحد کازرون دانشگاه آزاد اسلامی،کازرون ایران

کشاورز، فاطمه،1404،تشخیص سرطان ریه با استفاده از تصاویر سی تی اسکن و شبکه عصبی کانولوشن دو بعدی،هفتمین کنفرانس ملی دستاوردهای نوین در برق، کامپیوتر و صنایع،اسفراین

ارائه‌شده در

مجموعه مقالات هفتمین کنفرانس ملی دستاوردهای نوین در برق، کامپیوتر و صنایع19 آبان 1404 · اسفراین