استفاده از شبكه هاي عصبي يادگيري عميق در تشخيص سرطان سينه

سرطان سينه عامل اصلي مرگ و مير و يكي از بيماري هاي در حال رشد در بين زنان است. كه از سلول هاي سينه شروع به بي نظمي و گسترش در سراسر بدن مي كند. تشخيص زود هنگام تنها راه موثر در كاهش آمار افراد مبتلا به سرطان سينه مي باشد. طبقه بندي تومور يك كار مهم در تشخيص پزشكي محسوب مي شود. روش هاي محاسبات نرم افزاري به دليل عملكرد طبقه بندي آنها در تشخيص بيماري هاي پزشكي اهميت زيادي دارند. تشخيص و طبقه بندي تصاوير پزشكي يك كار چالش بر انگيز است. الگوريتم هاي يادگيري عميق، مخصوصا شبكه هاي كانولوشن به سرعت در حال تبديل به يك روش براي تحليل تصاوير پزشكي است. يادگيري عميق يكي از زير شاخه هاي يادگيري ماشين است كه هدف آن ياد گرفتن چكيده اي سطح بالا از داده ها با استفاده از معماري هاي سلسله مراتبي بوده و يك رويكرد در حال ظهور است كه به طور گسترده در حوزه هوش مصنوعي مورد استفاده قرار مي-گيرد. در اين مقاله به تشخيص و طبقه بندي تصاوير ماموگرافي مي پردازيم كه در آن داده ها مستقيما به عنوان بخشي از فرايند يادگيري شبكه عصبي (CNN) از طريق (AlexNet) كنترل مي شود.