آشكارسازي توده سرطاني پستان به كمك شبكه عصبي كانولوشني در تصاوير ام.آر.آي

Breast Tumor Detection using Convolutional Neural Network in MRI Images

سرطان پستان، متداول‌ترين نوع سرطان است كه جمعيت زنان را تحت تأثير قرار مي‌‌دهد. تشخيص زود‌هنگام سرطان مي‌تواند شانس درمان را افزايش دهد و همچنين مؤثرترين راه براي مبارزه با اين بيماري است. ارائه روش‌هاي خودكار براي آشكارسازي توده سرطاني يا تومور مورد توجه پژوهشگران بوده است. در اين مقاله، يك روش مبتني بر شبكه‌هاي عصبي عميق كانولوشني به منظور آشكارسازي ناحيه‌ي توموري از تصاوير MRI معرفي شده است. روش پيشنهادي به صورت جمع‌آوري تصاوير MRI به همراه تصوير GT از ناحيه‌ي توموري آن‌ها و بسط داده‌ها به منظور آموزش و آزمون شبكه عصبي مي‌باشد. نوع روش يادگيري مورد استفاده در اين مقاله، روش يادگيري بانظارت مي‌باشد. الگوريتم بر روي مجموعه داده‌ي RIDER breast آزمايش شده و نتايج به خوبي نشان مي‌دهند كه روش پيشنهادي، عملكرد بهتري از ساير روش‌هاي آشكارسازي تصوير مانند روش‌هاي مبتني بر خوشه‌بندي دارد. از مزايا مي‌توان به كيفيت بالا در آشكارسازي تومور و سرعت قابل قبول در زمان اجرا اشاره كرد.

Breast cancer is the most common type of cancer that affects the female population. Early detection of cancer can increase the chance of treatment and is also the most effective way to fight the disease. The development of automated methods for the detection of cancer or tumor mass has been of interest to researchers. In this paper, a method based on deep convolutional neural networks for detecting tumor area from MRI images is introduced. The proposed method is to collect MRI images along with GT images from their tumor area and expand the data to train and test the neural network. The type of learning method used in this paper is supervised learning. The algorithm is tested on the RIDER breast dataset and the results show that the proposed method performs better than other image detection methods such as clustering methods. Benefits include high quality in tumor detection and acceptable speed at runtime.