Ανάπτυξη μεθοδολογιών βαθιάς μάθησης για την υποβοηθούμενη διάγνωση καρκίνου του μαστού

Abstract

Η τεχνητή νοημοσύνη παρουσιάζει σημαντικές δυνατότητες στον τομέα της υγείας και ειδικά στην επεξεργασία και ανάλυση ιατρικών εικόνων, με στόχο τη βελτίωση της διάγνωσης και της θεραπείας ασθενειών. Ο καρκίνος του μαστού αποτελεί μία από τις συχνότερες μορφές καρκίνου στο γυναικείο πληθυσμό στις χώρες του δυτικού κόσμου. Η τεχνική της απεικόνισης μαγνητικού συντονισμού (MRI) αποτελεί μία μέθοδο απόκτησης εικόνων των μαστών υψηλής ανάλυσης. Για την εκπαίδευση μοντέλων τεχνητής νοημοσύνης με στόχο τη διάγνωση όγκων στους μαστούς και την παραγωγή δεδομένων κατάλληλα προς εκπαίδευση των μοντέλων αυτών, απαιτείται η χειροκίνητη κατάτμηση των εικόνων σε επίπεδο εικονοστοιχείων από εξειδικευμένους γιατρούς. Σκοπός της παρούσας διπλωματικής είναι η ανάπτυξη ενός μοντέλου για την υποβοήθηση των γιατρών στη διάγνωση όγκων στους μαστούς. Για την εκπόνηση της διπλωματικής εργασίας χρησιμοποιήθηκαν μαγνητικές τομογραφίες 76 ατόμων από το "The Cancer Imaging Archive" και με τη χρήση αλγορίθμων τεχνητής νοημοσύνης και προεπεξεργασίας σε κώδικα γλώσσας προγραμματισμού Python τα δεδομένα αυτά χρησιμοποιήθηκαν για την εκπαίδευση ενός μοντέλου U-Net. Η αξιολόγηση του μοντέλου ως προς τη σημασιολογική κατάτμηση των εικόνων, έδειξε ότι επιτυγχάνει σημαντικά αποτελέσματα στη μετρική F1 score (Dice) 69%. Η εργασία αυτή έχοντας πιο ερευνητικό χαρακτήρα αναδεικνύει τον τρόπο με τον οποίο η τεχνητή νοημοσύνη μπορεί να συμβάλει στην αυτόματη διάγνωση και ανίχνευση των όγκων στους μαστούς, βοηθώντας έτσι τους ιατρούς να λάβουν πιο γρήγορες και αξιόπιστες αποφάσεις για τη θεραπεία των ασθενών.