شماره مدرك
21322
شماره راهنما
18251
پديد آورنده
شهاب، بارق
عنوان
يك چارچوب يادگيري عميق چندوجهي براي تشخيص زودهنگام سرطان پستان با استفاده از دادههاي تصويربرداري پستان
مقطع تحصيلي
كارشناسي ارشد
گرايش تحصيلي
هوش مصنوعي و رباتيك
محل تحصيل
اصفهان : دانشگاه صنعتي اصفهان
سال دفاع
1405
صفحه شمار
65ص
توصيفگر ها
سرطان پستان , تشخيص زودهنگام , يادگيري عميق چندوجهي , همجوشي بينوجهي , ماموگرافي , سونوگرافي پستان , عدمتعادل كلاس
تاريخ ورود اطلاعات
1405/07/25
كتابنامه
كتابنامه
رشته تحصيلي
مهندسي كامپيوتر
دانشكده
مهندسي برق و كامپيوتر
تاريخ ويرايش اطلاعات
1405/07/25
كد ايرانداك
23264265
چكيده فارسي
سرطان پستان يكي از شايعترين علل مرگومير ناشي از سرطان در زنان است و تشخيص زودهنگام آن نقش مهمي در بهبود پيامد باليني و كاهش مرگومير دارد [1]. روشهاي تصويربرداري تكمودي، مانند ماموگرافي، بهويژه در بافت پستان متراكم، با محدوديتهايي در حساسيت مواجهاند. ازاينرو، همجوشي چندوجهي Multimodal Fusion دادههاي تصويربرداري بهعنوان راهكاري براي بهبود تشخيص بهكمك رايانه مورد توجه قرار گرفته است [2].
در اين پژوهش، يك چارچوب يادگيري عميق چندوجهي مبتني بر معماري تركيبي شبكه عصبي كانولوشني–ترنسفورمر CNN–Transformerبراي تشخيص زودهنگام سرطان پستان ارائه شده است كه تصاوير جفتشده ماموگرافي و سونوگرافي هر بيمار را بهصورت همزمان پردازش ميكند. ارزيابي بر روي مجموعهداده چندوجهي BCMID [3] انجام شد كه پس از حذف ركوردهاي فاقد برچسب، شامل 327 بيمار، شامل 264 مورد منفي و 63 مورد مثبت، بود. دادهها در سطح بيمار و بهصورت لايهاي با نسبت 80/10/10 به مجموعههاي آموزش، اعتبارسنجي و آزمايش تقسيم شدند. در چارچوب پيشنهادي، دو شاخه ResNet18 پيشآموزشديده ويژگيهاي دو مُد را استخراج كرده و ويژگيهاي حاصل پس از افزودن كدگذاري مكاني و مُد، به همراه يك توكن يادگرفتني، به يك رمزگذار Transformer دو لايه وارد ميشوند تا همجوشي بينوجهي انجام شود. همچنين، براي مقابله با عدمتعادل كلاسها از نمونهبردار تصادفي وزندار و آنتروپي متقاطع وزندار استفاده شد.
نتايج مجموعه آزمايش نشان داد كه مدل به دقت 78/8 درصد، بازخواني 83/3 درصد، F1 كلان 72/3 درصد و سطح زير منحني ROC برابر 92/0 دست مييابد. بازخواني 83/3 درصد نشاندهنده شناسايي بخش قابلتوجهي از نمونههاي سرطاني واقعي است كه در تشخيص زودهنگام اهميت دارد. همچنين، F1 كلان 72/3 درصد بيانگر توازن ميان صحت و بازخواني و AUC برابر 92/0 نشاندهنده توانايي مناسب مدل در تفكيك دو كلاس در آستانههاي مختلف است. در مجموع، نتايج نشان ميدهد كه همجوشي بينوجهي ماموگرافي و سونوگرافي در چارچوب CNN–Transformer ميتواند عملكرد قابلقبولي در تشخيص سرطان پستان، بهويژه در شرايط عدمتعادل كلاسها، ارائه دهد.
چكيده انگليسي
Breast cancer remains one of the leading causes of cancer-related death among women worldwide, and its early detection is the single most important factor in improving clinical outcomes and reducing mortality [1]. Single-modality imaging, particularly mammography alone, exhibits limited sensitivity in dense breast tissue; consequently, multimodal fusion of complementary imaging data has emerged as a promising strategy for enhancing computer-aided diagnosis systems [2]. In this study, a multimodal deep learning framework based on a hybrid CNN–Transformer architecture is proposed for early breast cancer detection, which jointly processes paired mammography and ultrasound images of each patient. The framework was evaluated on the publicly available multimodal BCMID dataset [3], which provides patient-level paired mammography and ultrasound examinations together with labels. After excluding unlabeled records, 327 patients (264 negative and 63 positive) were retained and partitioned with a patient-level stratified 80/10/10 split into training, validation, and test sets. In the proposed framework, two pre-trained ResNet18 convolutional branches extract modality-specific feature maps, which are tokenized and augmented with positional and modality embeddings together with a learnable class token, then fused across modalities by a two-layer Transformer encoder whose class token drives the final decision. To address the pronounced class imbalance, a weighted random sampler combined with a class-weighted cross-entropy loss was employed during training. On the held-out test set, the proposed framework achieved an accuracy of 78.8%, a recall of 83.3%, a F1-score of 85.7%, and a ROC AUC of 0.920. Notably, the recall of 83.3% indicates that malignant cases in the test set were correctly identified, a property of high clinical value in screening and early detection settings. These findings suggest that cross-modal fusion of mammography and ultrasound within a CNN–Transformer architecture preserves diagnostic sensitivity under imbalanced data.
استاد راهنما
محمدرضا احمدزاده , محمد داورپناه جزي
استاد داور
الهام محمودزاده , مينا اميري