П.С. Гомина, В.И. Кобер, В.Н. Карнаухов, М.Г. Мозеров, А.В. Кобер

Классификация аномалий молочной железы с использованием глубокого обучения

Раннее обнаружение аномалий молочной железы с помощью маммографического скрининга и правильное лечение снижает смертность и увеличивает продолжительность жизни женщин. В настоящее время активно разрабатываются методы и алгоритмы для систем компьютерной диагностики на основе глубоких нейронных сетей. Такие системы объединяют в себе как выбор, расчет признаков, так и классификацию, тем самым напрямую создавая функцию принятия решений. В данной работе предлагается метод классификации патологий молочной железы в соответствии с международной системой интерпретации и протоколирования визуализации молочной железы (BI-RADS), основанный на глубоком обучении. Экспериментальные результаты представлены с использованием двух открытых баз данных цифровой маммографии и оценены с использованием общепринятых критериев качества.

КЛЮЧЕВЫЕ СЛОВА: сегментация, цифровая маммография, глубокая сверточная нейронная сеть U-net, аугментация данных