قطعه‌بندي توده‌ها در تصاوير سه‌بعدي ABUS به كمك يادگيري ژرف

سرطان پستان دومين عامل مرگ زنان در جهان است. هر چه اين بيماري زودتر تشخيص داده شود، احتمال موفقيت در درمان آن بيش‌تر خواهد بود. امروزه به دليل مشكلات تصويربرداري ماموگرافي، استفاده از تصاوير فراصوت براي تشخيص سرطان پستان در حال افزايش است. يكي از انواع سامانه‌هاي تصوير‌برداري پستان، ABUS است. اين نوع تصويربرداري از مزاياي زيادي نسبت به ماموگرافي و ساير روش‌هاي تصويربرداري فراصوت برخوردار مي‌باشد. طراحي يك سامانه‌ي تشخيص به كمك كامپيوتر براي تحليل تصاوير فراصوت در كنار رايج شدن اين نوع تصويربرداري ضروري است. اين سامانه‌ها معمولا داراي چهار بخش پيش‌پردازش، قطعه‌بندي، استخراج ويژگي و دسته‌بندي هستند. افزايش دقت قطعه‌بندي، باعث افزايش دقت عمل‌كرد سامانه مي‌شود. در پژوهش‌هاي پيشين، از روش‌هاي پويش حلزوني و كانتور فعال براي قطعه‌بندي توده‌ها در تصاوير سه‌بعدي استفاده شده است. در سال‌هاي اخير، استفاده از يادگيري ژرف در زمينه‌هاي مختلف، منجر به كسب نتايج قابل توجهي شده است كه امكان دست‌يابي به اين نتايج با روش‌هاي سنتي پيشين وجود نداشت. در اين پژوهش، با استفاده از يك شبكه‌ي عصبي ژرف، كه از معماري U-net 3Dبهره مي‌برد، توده‌هاي سرطاني در تصاوير ABUS قطعه‌بندي شده‌اند. در اين روش، به منظور بهبود عمل‌كرد شبكه، از يك رويكرد جديد براي پس‌پردازش استفاده شده است. مجموعه‌ي دادگان مورد استفاده، از 32 بيمار جمع‌آوري شده و شامل50 توده (38 توده‌ي بدخيم و 12 توده‌ي خوش‌خيم) است. براي ارزيابي دقت قطعه‌بندي، از معيار ضريب Dice استفاده شده است. ميانگين دقت به دست آمده روي مجموعه‌ي دادگان مورد استفاده در اين پژوهش، 77/0 است.