طبقه‌بندي خودكار BI-RADS در گزارش‌هاي ماموگرافي با استفاده از تلفيق‌داده

زمينه و هدف: سرطان پستان يكي از شايع‌ترين سرطان‌ها در زنان و عامل اصلي مرگ و مير در بيماري‌هاي سرطاني است و ماموگرافي روش تصويربرداري اوليه براي تشخيص زودهنگام توده‌هاي پستان است. تشخيص سريع با دقت بالا يكي از دغدغه‌هاي جدي پزشكان و مراكز بهداشتي درماني در مواجهه با بيماري‌هاي خاص است، لذا هدف از اين مقاله تعيين و طبقه‌بندي خودكار BI-RADS در گزارش‌هاي ماموگرافي با استفاده از تلفيق داده بود. روش بررسي: اين يك مطالعه توصيفي ـ تحليلي و گذشته نگر مي‌باشد كه در سال 1402 انجام شد، گزارش ماموگرافي و پرونده الكترونيكي بيمار كه به ترتيب از سيستم بايگاني و ارتباط تصوير و سوابق بيمار استخراج شدند، از اطلاعات موجود در مركز آموزشي درماني بيمارستان شهيدزاده شهرستان بهبهان به دست آمده است كه شامل گزارش ماموگرافي و پرونده الكترونيكي 250 بيمار است كه اطلاعات كامل داشتند. براي مدل‌سازي روش پيشنهادي با استفاده از داده‌هاي جمع آوري شده، از نرم افزار پايتون در محيط ويژوال استوديو كد استفاده شده است. در نهايت از صحت‌سنجي‌متقاطع براي ارزيابي كيفيت و اعتبار نتايج استفاده شد. يافته‌ها: نتايج  نشان داد رويكرد پيشنهادي يعني استفاده از تكنيك تبديل كلمه به بردار به همراه روش فراواني وزني كلمات كليدي و تلفيق آن‌ها با HIS تأثير قابل‌ توجهي بر دقت طبقه‌بندي متون پزشكي دارد. براي طبقه‌بندي سطح سيستم گزارش و داده تصويربرداري پستان  (BI-RADS) از بردارهاي خروجي تكنيك تبديل كلمه به بردار در زماني كه از روش فراواني وزني كلمات كليدي استفاده مي‌شود و يا بدون استفاده از روش فراواني وزني كلمات كليدي و هم‌چنين با تلفيق HIS و نيز بدون HIS براي طبقه‌بندي‌ كننده‌هاي شبكه عصبي پيچشي، پرسپترون چندلايه، درخت تصميم و kـ نزديك‌ترين همسايه استفاده شد و نتايج به وسيله معيارهاي ارزيابي دقت، ويژگي، حساسيت، ارزش پيش‌بيني شده مثبت، ارزش پيش‌بيني شده منفي و امتياز f1 با هم مقايسه شدند. نتايج نشان مي‌دهد كه بهترين دقت در روش پيشنهادي با طبقه‌بندي ‌كننده پرسپترون چندلايه برابر با 98.74 درصد مي‌باشد، اما بدون HIS دقت همين طبقه‌بندي‌ كننده برابر با 92.23 درصد به دست آمد.نتيجه‌گيري: تركيب تكنيك تبديل كلمه به بردار با روش فراواني وزني كلمات كليدي مي‌تواند دقت طبقه‌بندي متن را افزايش دهد، اما سابقه پزشكي كه در تشخيص بيماري مهم است، مي‌تواند دقت را بهبود ببخشد. نتايج نشان مي‌دهد نبايد صرفاً بر روي بررسي‌هاي پزشكي تمركز كرد و از ساير اطلاعات باليني و سابقه بيماران نيز بايد استفاده كرد. بنابراين استفاده از HIS در كنار گزارش‌هاي پزشكي مي‌تواند طبقه‌بندي سيستم گزارش و داده تصويربرداري پستان را بهبود ببخشد و تأثير مثبتي بر تشخيص و فرآيندهاي درماني داشته باشد.