Свёрточная нейронная сеть для выявления и классификации рака молочной железы с использованием глубокого обучения
Convolution Neural Network for Breast Cancer Detection and Classification Using Deep Learning
Аннотация
Цель: раннее выявление и точная диагностика рака молочной железы существенно улучшают выживаемость пациентов. Целью исследования было разработать модель глубокого обучения BCCNN для выявления и классификации рака молочной железы по восьми классам: доброкачественная аденозная опухоль (BA), доброкачественная фиброаденома (BF), доброкачественная филлоидная опухоль (BPT), доброкачественная тубулярная аденома (BTA), злокачественная протоковая карцинома (MDC), злокачественная дольковая карцинома (MLC), злокачественная муцинозная карцинома (MMC) и злокачественная папиллярная карцинома (MPC).
Методы: МРТ-изображения молочной железы классифицировали по классам BA, BF, BPT, BTA, MDC, MLC, MMC и MPC с использованием предложенной модели глубокого обучения, а также пяти дополнительно дообученных моделей глубокого обучения: Xception, InceptionV3, VGG16, MobileNet и ResNet50, обученных на базе ImageNet. Набор данных был взят из репозитория Kaggle для выявления и классификации рака молочной железы. Для расширения набора данных использовали технику GAN. Изображения в наборе данных были представлены при четырех увеличениях: 40x, 100x, 200x, 400x и для полного набора данных. Затем предложенную модель глубокого обучения и пять предобученных моделей оценивали на каждом наборе данных отдельно. Всего было проведено 30 экспериментов. Для оценки всех моделей использовали F1-мера, полноту, точность и общую точность.
Результаты: Значения F1-мера для Xception, InceptionV3, ResNet50, VGG16, MobileNet и предложенной модели (BCCNN) составили 97,54%, 95,33%, 98,14%, 97,67%, 93,98% и 98,28% соответственно.
Выводы: Расширение набора данных, предварительная обработка и балансировка способствовали значительному улучшению выявления и классификации рака молочной железы как в предложенной модели BCCNN, так и в дообученных предобученных моделях. Наилучшие результаты были получены при увеличении изображений МРТ в 400 раз благодаря высокому разрешению.
Переведем эту статью за 1 час
Загрузите PDF, а мы сделаем краткий конспект, красивую инфографику и завернем в PDF.
Попробовать бесплатно →Также в Подтеме: еженедельные литобзоры, база международных клинреков и конспекты свежих мед. статей и подкастов каждый день.