کنفرانس مهندسی برق ایران

صفحه اصلی / سی و سومین کنفرانس بین المللی مهندسی برق

طبقه‌بندی تصاویر سلولی پاپ اسمیر مبتنی بر الگوریتم‌های ترتیبی یادگیری جمعی و شبکه‌های عمیق استخراج ویژگی

نویسندگان :

زهرا کمالی¹ محمدصادق هل فروش² کامران کاظمی³ مژگان اکبرزاده⁴

1- دانشگاه صنعتی شیراز 2- دانشگاه صنعتی شیراز 3- دانشگاه صنعتی شیراز 4- دانشگاه علوم پزشکی شیراز

کلمات کلیدی :

پاپ اسمیر،طبقه بندی،یادگیری جمعی

چکیده :

چکيده - آزمایش پاپ اسمیر یکی از مؤثرترین روش‌های غربالگری برای تشخیص زودهنگام سرطان دهانه رحم و ناهنجاری‌های سلولی است که نقش حیاتی در کاهش میزان مرگ‌ومیر ناشی از این بیماری دارد. بررسی تصاویر حاصل از این آزمایش توسط پزشک، چالش‌هایی نظیر زمان‌بر بودن و احتمال خطای انسانی را به همراه دارد. در این پژوهش، با هدف بهبود دقت و کارایی در طبقه‌بندی تصاویر سلولی پاپ اسمیر، از شبکه‌های عمیق ResNet و Inception برای استخراج ویژگی‌های باکیفیت از تصاویر استفاده شده است. سپس از الگوریتم‌های مختلف Boosting شامل CatBoost، XGBoost، AdaBoost، LightGBM و Gradient Boosting به عنوان طبقه‌بند استفاده شده تا بهینه‌ترین روش حاصل شود. نتایج حاصل از این پژوهش نشان می‌دهد که ترکیب شبکه‌های استخراج ویژگی عمیق با الگوریتم‌های Boosting می‌تواند علاوه‌بر افزایش قابل توجه سرعت، دقت را تا 6/97 درصد افزایش دهد. بهره‌گیری از روش‌های ترکیبی می‌تواند راهکاری مؤثر و کارآمد برای تسهیل و تسریع فرآیند تشخیص ناهنجاری‌های سلولی و سرطان دهانه رحم باشد.