دوره و شماره : آماده انتشار

نویسندگان : طاها عضدی* ¹ ، کیمیا بازرگان لاری ² ، زهرا اکرام زاده ³

چکیده :
این مطالعه یک سیستم پشتیبان تصمیم‌گیری مبتنی بر یادگیری عمیق با دقت بالا برای تشخیص سرطان کلیه ارائه می‌دهد. در این تحقیق از یک مجموعه‌داده نسبتاً بزرگ شامل ۱۰,۰۰۰ تصویر سی‌تی اسکن استفاده شده است که شامل اسکن‌های کلیه سالم و دارای تومور است. پس از پیش‌پردازش داده‌ها و بهینه‌سازی، مدل‌های مختلف یادگیری عمیق ارزیابی شدند و مدل DenseNet-201 به عنوان بهترین عملکرد با دقت 99/75٪ شناسایی شد. این مطالعه معماری‌های مختلف یادگیری عمیق از جمله AlexNet، EfficientNet، DarkNet-53، Xception و DenseNet-201 را در نرخ‌های یادگیری متفاوت مقایسه می‌کند. معیارهای عملکرد مانند دقت، صحت، حساسیت، امتیاز F1 و ویژگی با استفاده از ماتریس‌های اغتشاش تحلیل شدند. سیستم پیشنهادی عملکرد بهتری نسبت به شبکه‌های یادگیری عمیق دیگر نشان داده و دقت برتری در تشخیص سرطان کلیه ارائه می‌دهد. این بهبود به مهندسی موثر داده‌ها و بهینه‌سازی ابرپارامترهای شبکه‌های یادگیری عمیق نسبت داده می‌شود. این تحقیق با ارائه یک ابزار پشتیبان تصمیم‌گیری قوی برای تشخیص سریع و اولیه سرطان کلیه به حوزه تحلیل تصاویر پزشکی کمک می‌کند. دقت و کارایی بالای سیستم پیشنهادی آن را به ابزاری امیدوارکننده برای کمک به متخصصان حوزه سلامت در محیط‌های بالینی تبدیل می‌کند.

کلمات کلیدی :
سیستم پشتیبانی تصمیمگیری- سرطان کلیه