Виявлення та класифікація пухлин молочної залози з використанням глибинного навчання

Скорочена інформація про документ
dc.contributor.authorСоколенко, Ольга Віталіївна
dc.contributor.authorДанілова, Валентина Анатоліївна
dc.date.accessioned2023-07-20T13:53:10Z
dc.date.available2023-07-20T13:53:10Z
dc.date.issued2023
dc.description.abstractЗа 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%.uk
dc.description.abstractotherAccording to GLOBOCAN, breast cancer is the most common cancer in the population. Among the female population, it accounts for 24.5% of all diagnosed cancer cases and 15.5% of cancer-related deaths. Mammography is the most commonly used screening method for breast cancer. Therefore, accurate analysis of mammograms is an important but challenging task. The correctness of mammogram analysis depends on many factors: the doctor's experience, breast density, morphology and location of tumors. Therefore, to speed up and improve the interpretation of mammograms, it is important to use computer-aided mammogram analysis tools to help interpret the image, make decisions about the need for additional examinations and diagnosis. The aim of this work is to develop a system for breast masses detection and classification based on deep learning. For this purpose, the YOLO-V4 model was used for masses detection and the Inception- V3 model for masses classification according to the BI-RADS classification. The INbreast dataset was used, pre-processed, and split in an 80/20 ratio – 80% for training, 20% for testing. As a result of training, YOLO-V4 achieved accuracy of 93%, precision of 82%, and mAP of 86.6%; Inception-V3 achieved accuracy of 82.61%, precision of 90%, and recall of 78.26%.uk
dc.format.pagerangePp. 52-61uk
dc.identifier.citationСоколенко, О. Виявлення та класифікація пухлин молочної залози з використанням глибинного навчання / Соколенко Ольга Віталіївна, Данілова Валентина Анатоліївна // Біомедична інженерія і технологія. – 2023. – № 10. – С. 52-61. – Бібліогр.: 21 назва.uk
dc.identifier.doihttps://doi.org/10.20535/2617-8974.2023.10.281430
dc.identifier.issn2707-8434
dc.identifier.orcid0009-0007-7514-6249uk
dc.identifier.orcid0000-0003-3009-6421uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/58425
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.relation.ispartofБіомедична інженерія і технологія, № 10uk
dc.subjectрак молочної залозиuk
dc.subjectзгорткові нейронні мережіuk
dc.subjectYOLOuk
dc.subjectInception-V3uk
dc.subjectвиявлення пухлин молочної залозиuk
dc.subjectкласифікація пухлин молочної залозиuk
dc.subjectbreast canceruk
dc.subjectconvolutional neural networksuk
dc.subjectbreast mass detectionuk
dc.subjectbreast mass classificationuk
dc.subject.udc004.81 + 616-006uk
dc.titleВиявлення та класифікація пухлин молочної залози з використанням глибинного навчанняuk
dc.title.alternativeReast masses detection and classification using deep learninguk
dc.typeArticleuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
281430-648767-1-10-20230609.pdf
Розмір:
769.64 KB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
9.1 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Біомедична інженерія і технологія, № 10