تشخیص سرطان پستان در سطح مولکولی سلولی با رویکرد هوش مصنوعی

سرطان پستان شایع ترین سرطان در زنان است. ضرورت تشخیص این بیماری در مراحل اولیه شانس درمان را افزایش می‌دهد. هدف این پژوهش ارائه روشی برای تشخیص زود هنگام، با غربالگری دقیق و سریع سرطان پستان با کم کردن خطاهای انسانی و بالا بردن شانس افزایش طول عمر افراد و کاهش میزان مرگ و میر با رویکرد هوش مصنوعی در پزشکی می‌باشد. در پیاده‌سازی این پژوهش کاربردی و نظارت شده از دو مجموعه داده میکروسکوپی هیستوپاتولوژیک، به ترتیب شامل 124 و 576 بیمار مبتلا به سرطان کارسینوم مجرای تهاجمی پستان استفاده شده است. در ابتدا پیش پردازش داده‌ها و بهبود کیفیت تصاویر، سپس بخش‌بندی تصاویر با شبکه u‌net جهت جدا‌سازی سلول‌های سرطانی از بافت سالم سینه و حذف داده‌های پرت انجام شده است، سپس با ترکیب شبکه ‌های عصبی عمیق استخراج ویژگی‌های موثر صورت گرفته و با روش رای اکثریت داده‌ها طبقه‌بندی و سیستم غربالگری تشخیصِ گرید تومور‌های سرطان کارسینوم مجرای تهاجمی پستان ایجاد گردیده است. سیستم پیشنهادی با استخراج ویژگی‌های سطح بالا با دقت92% و 93%، حساسیت 96% و 93% و صحت 91% و 91% و auc 98% و 95% در دو مجموعه داده متفاوت، با کمترین خطا و سرعت بالای تشخیص، بهترین عملکرد را در تشخیص و طبقه‌بندی سرطان پستان داشته که از ویژگی‌های این پژوهش نسبت به سایر تحقیقات می‌باشد.

diagnosis of breast cancer at the molecular - cellular level with an artificial intelligence approach

breast cancer is the most common cancer in women. the need to diagnose this disease in the early stages increases the chance of treatment. individuals and reduction of mortality with artificial intelligence approach in medicine. in implementing this applied and supervised study, a histopathological microscopic two data set, including respectively 124 and 576 patients with invasive breast cancer was used. data preprocessing and image quality improvement, then image segmentation with u‌net network to separate cancer cells from healthy breast tissue and remove pert data, then by combining deep neural networks to extract effective features and by method the majority of data is based on the classification and screening system for the diagnosis of invasive breast cancer carcinoma. performance in diagnosis and classification breast cancer is one of the features of this study compared to other studies. according to the results obtained, this study is a step towards helping physicians and specialists in increasing the accuracy and sensitivity of breast cancer screening at the most optimal time, to the lesions. triad the high risk to appropriate secondary care and increase patients’ chances of survival with timely treatment.