الگوریتم تشخیصی برای طبقه بندی سرطان خون لوسمی لنفوسیتی حاد با استفاده از شبکه های عصبی عمیق در یادگیری آنلاین

تکنیک های مبتنی بر داده و الگوریتم های هوش مصنوعی در پزشکی یکی از تکنیک های پرکاربرد محسوب می شود که نقش حیاتی در سلامت داشته است و منجر به کشف دانش جدید، سودمند و ماندگار در پایگاه داده ها می شود. در این مقاله روشی ارائه می شود که بتواند با استفاده از تکنیک های پردازش تصویر، الگوهای تشخیصی هماتولوژیست ها را آموزش دیده و در تشخیص سلول های خونی استفاده شود. هنگامی که تعداد پارامترها در تشخیص بیماری زیاد شود ممکن است تشخیص بیماری حتی برای یک متخصص خبره پزشکی به سختی امکان پذیر باشد. در این مقاله با ارائه الگوریتم هوش مصنوعی توانسته ایم از مجموعه داده های استانداردall-idb1 و all-idb2لوسمی از 100 تصویر میکروسکوپی، با در نظر گرفتن شبکه‌ی کانولوشنی با روش یادگیری آنلاین این بیماری را در رده-هایl1 ، l2،l3 و نرمال بر اساس طبقه‌بندی fab، مورد تست و ارزیابی قرار دهیم، که به جای آموزش شبکه عصبی کانولوشنی(cnn)از ابتدا، با جایگزینی لایه‌های نهایی با لایه‌های اضافی برای طبقه بندی all انجام می شود. نتایج بدست آمده حاکی از این است که استفاده از یادگیری های آنلاین با توجه به نمونه های محدود برای برچسب‌گذاری و اثر بخشی آموزش، باعث بهینه سازی و بهبود عملکرد در تشخیص می شود. که از نظر پارامترهای ارزیابی در طبقه‌بندی svm با نرخ دقت %92.88 در مرحله تست ارائه می دهد.