استفاده از شبكه عصبي كانولوشن و گراديان تقويتي سريع براي تشخيص سرطان سينه

Using convulsive neural network and rapid reinforcement gradient to diagnose breast cancer

سرطان هنوز هم يكي از دلايل مرگ و مير در سراسر جهان به شمار مي رود. سرطان سينه شايع‌ترين نوع سرطان در بين زنان است. ايجاد سيستم تشخيص خودكار سرطان سينه بدخيم كه بر روي تصاوير بيمار انجام مي‌شود، مي‌تواند در مقابله با اين مشكل، موثرتر عمل كرده و تشخيص را كمتر دچار خطا كند. يادگيري عميق مي‌تواند اطلاعات تبعيض‌آميز را از داده‌ها خارج و سازماندهي كند، احتياجي به طراحي استخراج كننده ويژگي توسط يك متخصص نيست. شبكه‌هاي عصبي كانولوشن قادر به توليد نتايج دقيق در مورد كارهايي مانند طبقه‌بندي تصوير، تشخيص موضوع، دسته‌بندي و تقسيم كردن در زمينه‌هاي مختلف پردازش تصوير هستند. در اين مقاله ما الگوريتم يادگيري عميق به شبكه عصبي كانولوشن و گراديان تقويتي سريع براي تشخيص سرطان سينه با استفاده از مجموعه داده ماموگرافي را پيشنهاد مي‌كنيم. مدل شبكه عصبي كانولوشن و گراديان تقويتي سريع با ادغام شبكه عصبي كانولوشن به عنوان يك استخراج كننده ويژگي قابل آموزش، خروجي دقيق‌تري را فراهم مي‌كند تا به طور خودكار ويژگي‌ها را از ورودي و گراديان تقويتي سريع به عنوان يك تشخيص‌دهنده در سطح بالاي شبكه براي توليد نتايج به دست آورد.