بخش بندي تصاوير پاتولوژي جهت تشخيص سلول هاي سرطاني با استفاده از شبكه تركيبيِ VGG-RES-UNet

تشخيص ناهنجاري هاي بافتي و سلولي در تصاوير ميكروسكوپي جهت كمك به درمان زودهنگام بيماري هايي نظير سرطان از اهميت بسزايي برخوردار است. از روش هايي كه مي توان جهت تشخيص سلول هاي داراي ناهنجاري از آن بهره برد، بخش بندي تصاوير پاتولوژي است. اما به علت پيچيدگي پس زمينه تصاوير پاتولوژي و بافت مات و هم شكل با پس زمينه سلول هاي سرطاني، روش هاي سنتي بخش بندي تصوير منجر به نتايج مطلوب نمي گردد. در اين مقاله، يك شبكه تركيبي مبتني بر يادگيري عميق متشكل از VGG16-UNet با لايه هاي Residual در داخل آن جهت بهبود فرآيند تشخيص سلول هاي سرطاني پيشنهاد مي گردد. شبكه يادگيري عميق پيشنهادي بر روي مجموعه داده PanNuke بكار رفته و ميزان بهبود ايجاد شده در صحت بخش بندي سلول هاي سرطاني از طريق معيارهاي Dice و Aggregated Jaccard Index انجام گرديد. بررسي كمّي و كيفي حاصله از اين معيارها و تصاوير خروجي شبكه در مقايسه با ساير روش هاي بخش بندي سلول هاي سرطاني، نشان دهنده برتري روش پيشنهادي است.