لایب سان

Cancer is the leading cause of mortality in most, if not all, countries around the globe. It is worth noting that the World Health Organisation (WHO) in 2019 estimated that cancer is the primary or secondary leading cause of death in 112 of 183 countries for individuals less than 70 years old, which is alarming. In addition, cancer affects socioeconomic development as well. The diagnostics of cancer are often carried out by medical experts through medical imaging; nevertheless, it is not without misdiagnosis owing to a myriad of reasons. With the advancement of technology and computing power, the use of state-of-the-art computational methods for the accurate diagnosis of cancer is no longer far-fetched. In this brief, the diagnosis of  four types of common cancers, i.e., breast, lung, oral and skin, are evaluated with different state-of-the-art feature-based transfer learning models. It is expected that the findings in this book are insightful to various stakeholders in the diagnosis of cancer.

چکیده فارسی

سرطان علت اصلی مرگ و میر در بیشتر، اگر نه همه، کشورهای سراسر جهان است. شایان ذکر است که سازمان بهداشت جهانی (WHO) در سال 2019 تخمین زده است که سرطان عامل اصلی یا ثانویه اصلی مرگ در 112 کشور از 183 کشور برای افراد کمتر از 70 سال است که نگران کننده است. علاوه بر این، سرطان بر توسعه اجتماعی و اقتصادی نیز تأثیر می گذارد. تشخیص سرطان اغلب توسط متخصصان پزشکی از طریق تصویربرداری پزشکی انجام می شود. با این حال، به دلایل بی شماری بدون تشخیص اشتباه نیست. با پیشرفت تکنولوژی و قدرت محاسباتی، استفاده از روش های محاسباتی پیشرفته برای تشخیص دقیق سرطان دیگر دور از ذهن نیست. در این مختصر، تشخیص  چهار نوع سرطان رایج، یعنی سینه، ریه، دهان و پوست، با مدل‌های مختلف یادگیری انتقال مبتنی بر ویژگی‌های پیشرفته ارزیابی می‌شود. انتظار می رود که یافته های این کتاب برای دست اندرکاران مختلف در تشخیص سرطان روشنگر باشد.