تعزيز كشف سرطان الثدي: استغلال الشبكات العصبية التلافيفية

الملخص: لا يزال سرطان الثدي يمثل قضية صحية حرجة، مما يتطلب الكشف المبكر والتصنيف الدقيق للعلاج الفعال. يقدم هذه الدراسة تحليلًا مقارنًا بين شبكة عصبية تلافيفية مصممة خصيصًا (CNN) ونموذج DenseNet121 المدرب مسبقًا لكشف وتصنيف سرطان الثدي. قمنا بتجميع مجموعة بيانات شاملة من صور سرطان الثدي وطبقنا تقنيات المعالجة المسبقة المناسبة لتحسين المدخلات للنماذج. تم تقسيم مجموعة البيانات إلى مجموعات تدريب، والتحقق، والاختبار لتقييم أداء النماذج. يتكون نموذج CNN من عدة طبقات تلافيفية وطبقات تجميع تليها طبقات متصلة بالكامل للتصنيف، بينما تم ضبط نموذج DenseNet121 خصيصًا لكشف سرطان الثدي. تم تقييم النماذج بناءً على مقاييس مثل الدقة، الدقة الإيجابية، الاستدعاء، درجة F1، وAUC-ROC. تفوق نموذج DenseNet121 على نموذج CNN المخصص، محققًا دقة وموثوقية أعلى. من أجل توسيع الوصول، قمنا بدمج نموذج DenseNet121 المتفوق في واجهة ويب سهلة الاستخدام باستخدام بايثون فلاس، مما يتيح تنبؤات سرطان الثدي في الوقت الحقيقي. كانت الاعتبارات الأخلاقية ذات أهمية قصوى، مما يضمن خصوصية البيانات، والأمان، والشفافية في جميع تنبؤات النموذج. تسلط هذه الدراسة الضوء على فعالية نموذج DenseNet121 وتساهم في تحسين تشخيص سرطان الثدي والرعاية الصحية للمرضى.