Інтелектуальна система стадіювання раку молочної залози за гістологічними зображеннями цілого зрізу в умовах слабкої розмітки
Вантажиться...
Дата
2026
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Дипломна робота: 111 с., 25 рис., 7 табл., 45 посилань, 1 додаток.
Об’єктом дослідження є процес автоматизованої гістопатологічної діагностики раку молочної залози на основі Whole Slide Images (WSI) в умовах слабкої розмітки. Предметом дослідження є методи Multiple Instance Learning, архітектури глибокого навчання з механізмами уваги та пайплайни обробки WSI для автоматичного стадіювання раку молочної залози. Метою роботи є розробка інтелектуальної системи автоматичного стадіювання раку молочної залози за гістологічними WSI в умовах слабкої розмітки даних. Оглянуто сучасні архітектури глибокого навчання та методи самонавчання; як екстрактор ознак застосовано UNI2-H (ViT-Huge, 1536-D), для агрегації — CLAM з attention-pooling. Розроблено пайплайн обробки WSI з сегментацією тканини, нарізкою на патчі 224×224 пікселів та semi-hard patch mining. Порівняння ABMIL, CLAM, TransMIL і DSMIL на CAMELYON16+17 показало: DSMIL найкращий для бінарної класифікації (AUC = 0,977, F1 = 0,986), CLAM — для мультикласового стадіювання (QWK = 0,961); на TCGA-SKCM усі моделі досягли Recall = 1,0 для класу меланоми.
Опис
Ключові слова
рак молочної залози, гістопатологічний аналіз, цифро ва патологія, whole slide image, multiple instance learning, слабка розмітка, clam, механізм уваги, фундаментальні мо делі, uni2-h, стадіювання, breast cancer, histopathological analysis, digital pathology, whole slide image, multiple instance learning, weak labelling, attention mechanism, fundamental models, staging
Бібліографічний опис
Богатиренко, В. А. Інтелектуальна система стадіювання раку молочної залози за гістологічними зображеннями цілого зрізу в умовах слабкої розмітки : дипломна робота … бакалавра : 122 Комп'ютерні науки / Богатиренко Віктор Андрійович. – Київ, 2026. – 111 с.