بیاید یک کم درمورد سرطان رحم و جدیدترین روشهای تشخیصش حرف بزنیم. سرطان رحم از سلولهایی شروع میشه که داخل رحم قرار دارن. وقتی این سلولها شروع به رشد غیرعادی میکنن، ممکنه تبدیل به سرطان شن و به بافتهای اطرافشون آسیب بزنن یا حتی پیشسرطانی بشن. حالا بزرگترین مشکل اینه که اگه این بیماری زود تشخیص داده شه، شانس درمانش خیلی بیشتر میشه. اما حتی با وجود کلی پیشرفت تو یادگیری عمیق (یعنی اون مدلهای هوش مصنوعی که خودشون از دادهها یاد میگیرن)، هنوز چالشهایی هست؛ مثلاً اغلب این مدلها حسابی به کمک متخصصها نیاز دارن یا اونقدر هم دقیق نیستن که راحت بهشون تکیه کنیم.
تو این تحقیق خفن اومدن یه روش جدید معرفی کردن که یعنی میخوام بهتون ازش بگم: یه سیستم هوش مصنوعی مبتنی بر یادگیری عمیق ساختن که فعالیتش همونطور که از اسمش معلومه تا حد زیادی الهامگرفته از طبیعته! اسمش رو گذاشتن WOAENet که یعنی: شبکهی ترکیبی با راهنمایی الگوریتم نهنگ. (WOA یعنی Whale Optimization Algorithm؛ خودش یه الگوریتم بهینهسازی با الهام از روش شکار نهنگهاست!)
حالا قضیه از چه قراره؟ این مدل اومده تصاویر MRI رحم رو تو سه دسته تقسیمبندی کنه: “بدخیم” (malignant)، “خوشخیم” (benign)، و “نرمال”. یعنی تصویر MRI میدین به مدل و بهتون میگه اوضاع چطوره.
برای آموزش این مدل عجیب و غریب، سه تا مدل یادگیری عمیق به کار گرفتن: MobileNetV2 (یه شبکه عصبی جمعوجور و سریع)، DenseNet121 (یکی از مدلهای معروف و قدرتمند بینایی ماشین)، و یه مدل سبُک به اسم LVM (یعنی Lightweight Vision Model؛ مدل دید کامپیوتری سبک). اینجا نکته خاص اینه: واسه هرکدوم از این مدلها، الگوریتم نهنگ اومده بهینهترین تنظیمات رو پیدا کرده. یعنی یه مدل مدام امتحان میکنه که مثلاً چه تعداد لایه یا چه نوع تنظیم عملکردی بهتر جواب میده—و الگوریتم نهنگ درست مثل شکار طعمه تو طبیعت، دنبال بهترین جوابها میگرده!
بعد از اینکه هر مدل به ماکسیمم کارایی خودش رسید، نتایج هر سهتاشون رو کنار هم میذارن و با روشی به اسم “رأیگیری نرم” (Soft Voting) ترکیب میکنن. رأیگیری نرم یعنی میانگین احتمالهایی که مدلها پیشبینی میکنن رو حساب میکنن تا به نتیجه نهایی و مطمئنتر برسن.
برای تست مدل WOAENet، از یه مجموعه داده MRI رحم که از بیمارستان دانشگاه ملک عبدالله تهیه شده، استفاده کردن. نتیجهها واقعاً جالبه: این مدل نسبت به مدلهای آماده دیگه (همون pre-trained معروفها) بهتر عمل کرده. دقت کلی (Accuracy) که گرفتن ۸۸.۵۷٪ بوده، اختصاصیت (Specificity) مدل ۹۴.۲۹٪ و معیار F1 score هم ۸۸.۵۴٪ شده؛ یعنی کلی بهتر از میانگین مدلهای سابق.
جمعبندی اینکه مدل WOAENet حسابی دقیق و قابل اعتماده و نشون داده میشه به این روشها تو تشخیص و درمان بیماریهای زنان حسابی امیدوار بود. این سیستم نه تنها به پزشکها کمک میکنه زودتر و دقیقتر تشخیص بدن، بلکه میتونه آیندهی ابزارهای پزشکی رو دسترسپذیرتر و دقیقتر کنه. خلاصه، هوش مصنوعی داره آهستهآهسته وارد کارهای تخصصی پزشکی میشه و همین میتونه کلی زندگی نجات بده!
منبع: +
