فهرست نشریات علمی دسترسی آزاد ایران

هوش مصنوعی در حال ایجاد تحولی گسترده در حوزه‌های علمی، به‌ویژه پزشکی، است. به‌کارگیری این فناوری در تشخیص به‌موقع بیماری‌هایی مانند سرطان پستان، به افزایش چشمگیر دقت، قابلیت اطمینان و عمق تحلیلی در بررسی تصاویر پزشکی انجام داده است. هدف این مقاله مروری، بررسی مدل‌های گوناگون هوش مصنوعی از جمله CNN، ترنسفورمرها و معماری‌های ترکیبی که در روش‌های تصویربرداری مختلف مانند ماموگرافی، ام‌آرآی، سونوگرافی و ترموگرافی مورد استفاده قرار گرفته‌‌اند، می‌باشد. جستجوی اصلی بین بازه زمانی 2025-2017 از طریق پایگاه‌های داده علمی معتبر، از جمله پابمد، اسکوپوس، ساینس دایرکت و گوگل اسکالر انجام شد. برای ارزیابی و مقایسه منظم عملکرد مدل‌های مختلف هوش مصنوعی، از مجموعه‌ای از معیارهای استاندارد شامل: دقت، حساسیت (یادآوری)، ویژگی (دقت منفی)، دقت، نمره F1 و AUC استفاده شد. مدل‌های ترکیبی CNN- transformer با توانایی استخراج ویژگی‌های محلی و کلی، مدل‌های غنی‌‌تر با استحکام بالاتر را ایجاد می‌کنند که باعث بهبود عملکرد مدل‌ها در تشخیص صحیح سرطان پستان می‌شود. مدل‌های هوش مصنوعی به صورت مستقل و به صورت دستیار پزشک امکان تشخیص سریع و صحیح سرطان را فراهم می‌کنند. سیستم‌های هوش مصنوعی با علامت گذاری موارد مشکوک و با ریسک بالای ابتلا به سرطان، باعث تسریع و کارآمدی فرآیند غربالگری‌‌‌ می‌شوند. هوش مصنوعی عملکردی بهتر از اکثر رادیولوژیست‌‌‌‌ها را نشان داده است اما تا کنون نتوانسته است از متخصصین متبحر پیشی بگیرد.