استفاده از یادگیری عمیق در شناسایی بیماری سرطان سینه

بيماري سرطان سینه يكي از شايع ترين بيماري های کنونی است که افراد زیادی از آن رنج می برند و تلفات بسیار زیادی را در سال های اخیر داشته است. با استفاده از تکنولوژی ، قدرت کامپیوترها و شناسایی زودهنگام بیماری ها ( مخصوصا بیماری های سرطان سینه) می توان قبل از وقوع بیماری به تشخیص دقیق آن کمک کرد، با این کار می توان جان بسیاری از مردم را نجات داد. یادگيری عميق یکی از زیر رشته های یادگيری ماشين است که در آن سعی مي شود با استفاده از معماری های سلسله مراتبی انتزاعی و ویژگی های سطح بالای موجود در داده ها، یادگیری انجام شود. شناسایی بیماری سرطان سینه

این روش ها به صورت گسترده ای در دامنه های مختلفی از یادگيری ماشين و بخصوص بينایی کامپيوتر مورد استفاده قرار می گیرند. در این مقاله رویکرد های مختلف نظیر شبکه کانولوشنی، شبکه VGGو شبکه کپسول را برای طبقه بندی سرطان سینه پیشنهاد دادیم. بهترین نتیجه بدست آمده بر  روی مجموعه داده ها ترکیب شبکه های کانولوشنی، VGG، یادگیری انتقالی و ویژگی های استخراج شده از مجموعه داده ها است که این مدل به دقت 68.4 درصد رسیده است.