استفاده از شبکه عصبی کانولوشن و گرادیان تقویتی سریع برای تشخیص سرطان سینه

سرطان هنوز هم یکی از دلایل مرگ و میر در سراسر جهان به شمار می رود. سرطان سینه شایع‌ترین نوع سرطان در بین زنان است. ایجاد سیستم تشخیص خودکار سرطان سینه بدخیم که بر روی تصاویر بیمار انجام می‌شود، می‌تواند در مقابله با این مشکل، موثرتر عمل کرده و تشخیص را کمتر دچار خطا کند. یادگیری عمیق می‌تواند اطلاعات تبعیض‌آمیز را از داده‌ها خارج و سازماندهی کند، احتیاجی به طراحی استخراج کننده ویژگی توسط یک متخصص نیست. شبکه‌های عصبی کانولوشن قادر به تولید نتایج دقیق در مورد کارهایی مانند طبقه‌بندی تصویر، تشخیص موضوع، دسته‌بندی و تقسیم کردن در زمینه‌های مختلف پردازش تصویر هستند. در این مقاله ما الگوریتم یادگیری عمیق به شبکه عصبی کانولوشن و گرادیان تقویتی سریع برای تشخیص سرطان سینه با استفاده از مجموعه داده ماموگرافی را پیشنهاد می‌کنیم. مدل شبکه عصبی کانولوشن و گرادیان تقویتی سریع با ادغام شبکه عصبی کانولوشن به عنوان یک استخراج کننده ویژگی قابل آموزش، خروجی دقیق‌تری را فراهم می‌کند تا به طور خودکار ویژگی‌ها را از ورودی و گرادیان تقویتی سریع به عنوان یک تشخیص‌دهنده در سطح بالای شبکه برای تولید نتایج به دست آورد.