{"title":"ВИЯВЛЕННЯ ТА КЛАСИФІКАЦІЯ ПУХЛИН МОЛОЧНОЇ ЗАЛОЗИ З ВИКОРИСТАННЯМ ГЛИБИННОГО НАВЧАННЯ","authors":"О.П. Соколенко, Валентина Данілова","doi":"10.20535/2617-8974.2023.10.281430","DOIUrl":null,"url":null,"abstract":"За даними GLOBOCAN, рак молочної залози – це найпоширеніший вид раку серед всього населення. Серед жіночого населення він становить 24,5% від усіх випадків захворювання на рак та налічує 15,5% смертей від онкологічних захворювань. Для скринінгу на рак молочної залози найчастіше використовують мамографію. Тому проведення точного аналізу мамограм – це важлива, але складна задача. Правильність аналізу мамограм залежить від багатьох факторів: від досвіду лікаря, щільності молочних залоз, морфології та розташування пухлин. Тому для пришвидшення і покращення інтерпретації мамограм важливо використовувати комп’ютерні засоби аналізу мамограм, що допомагають у трактуванні зображення, прийнятті рішень щодо необхідності проведення додаткових обстежень та постановці діагнозу. Мета даної роботи – розробити систему для виявлення та класифікації пухлин молочної залози, засновану на глибинному навчанні. Для цього було використано модель YOLO-V4 для виявлення пухлин та модель Inception-V3 для класифікації пухлин відповідно до BI-RADS класифікації. У роботі було використаний набір даних INbreast, проведено його попередню обробку та поділено у співвідношенні 80/20 – 80% для навчання, 20% для тестування. В результаті навчання YOLO-V4 було отримано значення точності 93%, повноти 82% і mAP 86,6%; Inception-V3 – точність 82,61%, влучність 90%, повнота 78,26%.","PeriodicalId":386518,"journal":{"name":"Біомедична інженерія і технологія","volume":null,"pages":null},"PeriodicalIF":0.0000,"publicationDate":"2023-06-22","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Біомедична інженерія і технологія","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.20535/2617-8974.2023.10.281430","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0
Abstract
За даними GLOBOCAN, рак молочної залози – це найпоширеніший вид раку серед всього населення. Серед жіночого населення він становить 24,5% від усіх випадків захворювання на рак та налічує 15,5% смертей від онкологічних захворювань. Для скринінгу на рак молочної залози найчастіше використовують мамографію. Тому проведення точного аналізу мамограм – це важлива, але складна задача. Правильність аналізу мамограм залежить від багатьох факторів: від досвіду лікаря, щільності молочних залоз, морфології та розташування пухлин. Тому для пришвидшення і покращення інтерпретації мамограм важливо використовувати комп’ютерні засоби аналізу мамограм, що допомагають у трактуванні зображення, прийнятті рішень щодо необхідності проведення додаткових обстежень та постановці діагнозу. Мета даної роботи – розробити систему для виявлення та класифікації пухлин молочної залози, засновану на глибинному навчанні. Для цього було використано модель YOLO-V4 для виявлення пухлин та модель Inception-V3 для класифікації пухлин відповідно до BI-RADS класифікації. У роботі було використаний набір даних INbreast, проведено його попередню обробку та поділено у співвідношенні 80/20 – 80% для навчання, 20% для тестування. В результаті навчання YOLO-V4 було отримано значення точності 93%, повноти 82% і mAP 86,6%; Inception-V3 – точність 82,61%, влучність 90%, повнота 78,26%.