tsta

Home / سی و دومین کنفرانس ملی و دهمین کنفرانس بین المللی مهندسی زیست پزشکی ایران

استفاده از یادگیری انتقالی در پاسخ به کمبود طیف در تشخیص بیماری با طیف سنجی رامان

Authors :

آرام زندی¹ زهره دهقانی بیدگلی²

1- دانشگاه آزاد واحد الکترونیکی 2- دانشگاه آزاد واحد کاشان

Keywords :

شبکه عصبی کانولوشنی،طیف‌سنجی رامان،سرطان پستان،یادگیری انتقالی،یادگیری عمیق،طیف بندی بافت

Abstract :

کاربردطیفسنجیرامان در ترکیببا مدلهاییادگیریعمیق،پتانسیلعظیمیبرایتشخیصغیرتهاجمیسرطان پستان نشان داده است؛ با اینحال، کمبود مجموعه دادههایبالینیبرچسبدار، یکمانع جدیدر مسیرتوسعه مدلهایدقیقو قابل اعتماد به شمار میرود. پژوهشحاضر، با هدف غلبه بر اینچالش، کارایییکپارادایمنوآورانه یادگیریانتقالیبین-دامنهایرا از یکمنبع کامالً غیربیولوژیکارزیابیمیکند؛در اینراستا، یکمدل شبکه عصبیکانولوشنییکبعدی(CNN-D١) بر رویمجموعه داده بزرگ مواد معدنی(RRUFF) پیشآموزشداده شدو سپس بر رویمجموعه داده بالینیبافت پستان (AllBreast) شامل سه کالس (نرمال، خوشخیمو سرطانی) تنظیمدقیقگردید. نتایجمقایسهاینمدل با یکمدل مشابه که از ابتدا آموزش دیدهبود، یکجهش عملکردیچشمگیررا به اثبات رساند: دقت کلیطبقهبندیاز ٠٠,٥٠ ٪به٢٩,٨٥ ٪افزایشیافتو مهمتر از آن، حساسیتبالینیتشخیصکالس «سرطانی»بیشاز دو برابر شد و از ٣٠ ٪به٧٠ ٪رسید.اینیافته،کاراییباالییادگیریانتقالیرا نه تنها در جبران کمبود داده، بلکه در افزایشقدرت تعمیمپذیریو حساسیتتشخیصیمدل درکاربردهایحساس پزشکیاثبات میکند.