بخش بندی تصاویر پاتولوژی جهت تشخیص سلول های سرطانی با استفاده از شبکه ترکیبیِ vgg-res-unet

تشخیص ناهنجاری های بافتی و سلولی در تصاویر میکروسکوپی جهت کمک به درمان زودهنگام بیماری هایی نظیر سرطان از اهمیت بسزایی برخوردار است. از روش هایی که می توان جهت تشخیص سلول های دارای ناهنجاری از آن بهره برد، بخش بندی تصاویر پاتولوژی است. اما به علت پیچیدگی پس زمینه تصاویر پاتولوژی و بافت مات و هم شکل با پس زمینه سلول های سرطانی، روش های سنتی بخش بندی تصویر منجر به نتایج مطلوب نمی گردد. در این مقاله، یک شبکه ترکیبی مبتنی بر یادگیری عمیق متشکل از vgg16-unet با لایه های residual در داخل آن جهت بهبود فرآیند تشخیص سلول های سرطانی پیشنهاد می گردد. شبکه یادگیری عمیق پیشنهادی بر روی مجموعه داده pannuke بکار رفته و میزان بهبود ایجاد شده در صحت بخش بندی سلول های سرطانی از طریق معیارهای dice و aggregated jaccard index انجام گردید. بررسی کمّی و کیفی حاصله از این معیارها و تصاویر خروجی شبکه در مقایسه با سایر روش های بخش بندی سلول های سرطانی، نشان دهنده برتری روش پیشنهادی است.