А.Н. Ручай, В.И. Кобер, К.А. Дорофеев, В.Н. Карнаухов, М.Г. Мозеров

Классификация патологий молочной железы с использованием глубокой сверточной нейронной сети и трансферного обучения

Предложен новый алгоритм классификации патологий молочной железы в цифровой маммографии с использованием сверточной нейронной сети и трансферного обучения. За основу были выбраны следующие предобученные нейронные сети: MobileNetV2, InceptionResNetV2, Xception и ResNetV2. Для повышения надежности классификации все маммографические изображения были предварительно обработаны. Было проведено трансферное обучение с использованием методов аугментации данных и тонкой настройки нейронной сети. В статье обсуждается точность предложенного алгоритма классификации патологий молочной железы на реальных данных и сравнивается с точностью известных алгоритмов классификации патологий на отрытой базе данных MIAS.

KEYWORDS: классификация патологий, цифровая маммография, глубокая сверточная нейронная сеть, трансферное обучение, аугментация данных, тонкая настройка сети