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 بینزنان است. ایجاد سیستم تشخیص خودکار سرطان سینه بدخیم که بر روی تصاویر بیمار انجام میشود، میتواند در مقابلهبا این مشکل، موثرتر عمل کرده و تشخیص را کمتر دچار خطا کند. یادگیری عمیق می تواند اطلاعات تبعیض آمیز را ازداده ها خارج و سازماندهی کند، احتیاجی به طراحی استخراج کننده ویژگی توسط یک متخصص نیست. شبکه های عصبیکانولوشن قادر به تولید نتایج دقیق در مورد کارهایی مانند طبقه بندی تصویر، تشخیص موضوع، دسته بندی و تقسیم کردندر زمینه های مختلف پردازش تصویر هستند. در این مقاله ما الگوریتم یادگیری عمیق به شبکه عصبی کانولوشن و گرادیانتقویتی سریع برای تشخیص سرطان سینه با استفاده از مجموعه داده ماموگرافی را پیشنهاد می کنیم. مدل شبکه عصبیکانولوشن و گرادیان تقویتی سریع با ادغام شبکه عصبی کانولوشن به عنوان یک استخراج کننده ویژگی قابل آموزش،خروجی دقیق تری را فراهم می کند تا به طور خودکار ویژگی ها را از ورودی و گرادیان تقویتی سریع به عنوان یکتشخیص دهنده در سطح بالای شبکه برای تولید نتایج به دست آورد.