مقدمهدر سالهای اخیر علاقه به پژوهش در زمینه بهکارگیری الگوریتمهای هوشمند در تشخیص و طبقهبندی بیماریها به ویژه سرطان، به شدت افزایش یافته است. طبقهبندی تومور یک کار مهم در تشخیص پزشکی محسوب میشود. روشهای محاسبات نرمافزاری به دلیل عملکرد طبقهبندی آنها در تشخیص بیماریهای پزشکی اهمیت زیادی دارند. تشخیص و طبقهبندی تصاویر پزشکی یک کار چالش برانگیز است.روش کاربرای تشخیص درجه بدخیمی سرطان پروستات و خوشخیم یا بدخیم بودن سرطان سینه از طبقهبندی کننده شبکه عصبی عمیق به کمک فریمورک تنسورفلو و بهرهگیری از کتابخانه کراس استفاده شده است. در مرحله آموزش، تصاویر آموزشی به همراه کلاس خروجی آن برای شبکه در نظر گرفته میشود. حین آموزش وزنهای فیلتر در هر تکرار بهروز میشوند. بهنحویکه بعد از چندین تکرار وزنهای بهینه بهروز میشوند و شبکه آموزش میبیند تا بهترین ویژگی را از تصاویر استخراج کند.نتایجروش پیشنهادی در این تحقیق که بر پایه شبکه های عصبی عمیق است، با توجه به استخراج ویژگی های موثرتر و دقیق تر، دقت تشخیص 83/95 %و 5/99 %به ترتیب در سرطان سینه و سرطان پروستات را فراهم می آورد که نسبت به روش های موجود باعث افزایش بیش از 7% در دقت تشخیص گردیده است. نتیجهگیریسرطان یکی از شایعترین بیماریهای پیشرونده در جهان است. سرطان در سلولها آغاز میشود که پایههای ساختمانی اولیه هستند که بافت را تشکیل میدهند. یکی از چالشهای موجود در تکنیکهای تشخیص تصاویر پزشکی، مشکل در تجزیه و تحلیل بافتهای متراکم است. با توجه به اینکه تشخیص توسط انسان زمانبر و دارای احتمال خطای بیشتری است، محققان در تلاش بودهاند تا با الگوریتمهای مختلف تشخیص را به صورت اتوماتیک انجام دهند.