روش های طبقه بندی تصاویر ماموگرافی به منظور تشخیص ضایعات خوش خیم و بدخیم

سرطان پستان یکی از بدترین بیماری هاست که نرخ مرگ و میر بیشتری د بین زنان در سراسر جهان دارد. تخمین زده می شود که سرطان پستان به عنوان شایع ترین سرطان در بین زنان در سال ، حدود ۳۰ درصد از سرطان های تازه تشخیص داده شده را شامل شود. تشخیص سرطان پستان نیاز به تفسیر و تجزیه و تحلیل دقیق تصاویر ماموگرافی دارد که به دلیل آناتومی پیچیده پستان و کیفیت تصویر پایین برای رادیولوژیست ها، کار چالش برانگیزی است. پیشرفت ها در مدل های مبتنی بر یادگیری عمیق به طور قابل توجهی تشخیص، محلی سازی، ارزیابی خطر و طبقه بندی ضایعات پستان را بهبود بخشیده است. این مقاله به بررسی و مرور روش های طبقه بندی تصاویر ماموگرافی مبتنی بر رویکردهای یادگیری ماشین و تشخیص به کمک رایانه به منظور تشخیص ضایعات خوش خیم و بدخیم می پردازد. یافنه های این مقاله نشان می دهد استفاده از پردازش تصویر با تکینک های یادگیری ماشین کلاسیک در طبقه بندی ماموگرافی موثر بوده است. با این وجود، از آنجایی که اموگرافی از جمعیت های مختلف و ماشین های مختلف به دست می آید، اعتماد کامل به مدل های یادگیری عمیق در چنین حوزه ای را دشوار می کند. بنابراین لازم است برروی جمع آوری داده های بیشتر برای آموزش مبتنی بر تکنیک های یادگیری عمیق، به سمت یک مدل تعمیم یافته به منظور تشخیص ضایعات بدخیم از خوش خیم کار شود. در تحقیقات آینده، روش های طبقه بندی تصاویر ماموگرافی روی مدل های رادیومیک پیاده سازی خواهد شد.