В.С. Прядка, А.Е. Крендаль, В.И. Кобер, В.Н. Карнаухов, М.Г. Мозеров

Компьютерная диагностика маммограмм на основе признаков, извлеченных с помощью глубокого обучения

В данном работе основной целью исследовании является повышение эффективности существующих систем компьютерной диагностики с помощью новых методов классификации доброкачественных и злокачественных образований по цифровым маммограммам. В настоящее время активно разрабатываются методы и алгоритмы для систем компьютерной диагностики на основе глубоких нейронных сетей. Для достижения лучших результатов на выбранном наборе данных мы преобразуем данные с помощью автокодировщиков для получения признаков с низкой внутриклассовой и высокой межклассовой вариативностью. Весь цикл работы системы состоит из следующих этапов: извлечения признаков, используя сегментированную часть самой патологии, разделения данных на два кластера, преобразования признаков с помощью линейного дискриминантного анализа для минимизации внутриклассовой вариативности и классификации патологий. Результаты данного исследования показывают, что классификация патологий с использованием методов глубокого обучения позволяет достичь высоких результатов.

 

КЛЮЧЕВЫЕ СЛОВА: маммография, система компьютерной диагностики, аномалии молочной железы, сверточные нейронные сети