بهبود تشخیص سرطان سینه با استفاده از شبکه عصبی پیچشی کوانتومی

طبق گزارش سازمان بهداشت جهانی (who)، سرطان سینه، هرساله، 1/2 میلیون زن را تحت تاثیر قرار می دهد. تشخیص زودهنگام این بیماری می تواند خطر مرگ ناشی از سرطان سینه را کاهش دهد. علاوه بر این، از خدمات تحت وب می توان برای نظارت بر بیماران، افراد مسن، و افراد دارای معلولیت در روستاهای دورافتاده در بسیاری از کشورها استفاده کرد، در این مناطق، زنان مبتلا به سرطان سینه یا تشخیص داده نمی‌شوند، و یا دیر تشخیص داده می شوند. ایده این مطالعه بهبود تشخیص سریع و دقیق این بیماری بر اساس روش های یادگیری عمیق با استفاده از پیکسل های خام تصاویر ماموگرافی سینه می باشد. طبقه بندی تصاویر پزشکی هم برای وظایف بینایی کامپیوتر و هم برای مراقبت های بالینی بسیار مهم است. شبکه‌های عصبی عمیق (dnn) و شبکه‌های عصبی پیچشی کوانتومی (qcnn) تکنیک‌های در حال ظهور در یادگیری ماشین هستند که کارایی خود را برای کاربردهای طبقه‌بندی مختلف نشان داده‌اند. ایده ارائه شده این مقاله، طراحی یک سیستم تشخیص سرطان با استفاده از یک معماری مبتنی بر شبکه‌های عصبی پیچشی کوانتومی بر اساس مدل شبکه عصبی پیچشی (cnn) و مدل از پیش آموزش دیده (101 res net) برای تقویت طبقه‌بندی تصاویر ماموگرافی سینه جهت تشخیص توده سرطانی در مجموعه داده پزشکی (cbis-ddsm)تحت وب است.