بهبود کیفیت تشخیص سرطان ریه با شبکه عصبی U-Net بهبود یافته
عنوان دوره: بیست و نهمین کنفرانس ملی هستهای ایران
نویسندگان
گروه فیزیک دانشکده علوم پایه، دانشگاه گیلان
چکیده
سرطان ریه یکی از رایج ترین سرطانهاست و نرخ بقای 5 ساله بیماران مبتلا به آن در حدود 18 درصد میباشد. توموگرافی کامپیوتری (CT) ابزاری مناسب برای تشخیص ندولهای ریوی میباشد. تصاویر CT علاوه بر کیفیت بالاتر، شفافیت و جزئیات بیشتر نسبت به تصاویر رادیولوژی، امکان بررسی سه بعدی بافتهای ریه را بوجود میآورد. به دلیل دشوار بودن تشخیص ندولها در مراحل اولیه از روی تصاویر CT توسط رادیولوژیست، روشهای هوش مصنوعی بر پایه شبکههای عصبی به عنوان ابزاری برای کمک به رادیولوژیست در این امر همه روزه در حال پیشرفت میباشند. در مطالعه حاضر خودکارسازی تشخیص سرطان ریه به کمک پیاده سازی شبکه عصبی بهبودیافته U-Net صورت گرفته است. ارزیابی شبکه پیشنهادی بر روی تصاویر پایگاه داده LIDC-IDRI صورت گرفت و نتایج این مطالعه نشاندهنده میزان ضریب تشابه دایس 79 درصد، دقت 99/5 درصد و حساسیت 74/8درصد میباشد. با توجه به نتایج حاصله این روش میتواند به صورت یک سیستم کمک تشخیصی توسط رادیولوژیست ها مورد استفاده قرار گیرد.
کلیدواژه ها