Сидорський, Володимир СергійовичБогатиренко, Віктор Андрійович2026-09-092026-09-092026Богатиренко, 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.https://ela.kpi.ua/handle/123456789/82910Дипломна 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.111 с.ukрак молочної залозигістопатологічний аналізцифро ва патологіяwhole slide imagemultiple instance learningслабка розміткаclamмеханізм увагифундаментальні мо деліuni2-hстадіюванняbreast cancerhistopathological analysisdigital pathologywhole slide imagemultiple instance learningweak labellingattention mechanismfundamental modelsstagingBachelor Thesis