Бібліографічний опис статті:
Тарас Ілюшик. Класифікація гістологічних зображень раку простати//Наука онлайн: Міжнародний електронний науковий журнал - 2021. - №10. - https://nauka-online.com/publications/other/2021/10/18-5/
Анотація:
Щорічно повідомляється більше 1 мільйона нових діагнозів, рак простати є другим за поширеністю онкологічним захворюванням серед чоловіків у всьому світі, що призводить до понад 350 000 смертей щорічно. Класичним методом діагностики та прогнозування є система оцінки Глісона. У цьому процесі патологоанатоми вручну аналізують зразки біопсії простати під мікроскопом, що займає багато часу і не виключає ризику отримання невірного результату. Для допомоги патологоанатомам були розроблені алгоритми глибокого навчання для виявлення раку. Багато сучасних моделей є згортковими нейронними мережами на основі патчів. Системи на основі патчів зазвичай вимагають детальних анотацій на рівні пікселів для ефективного навчання. Однак такі анотації рідко є доступними, на відміну від клінічних звітів патологів, які містять мітки на рівні слайдів. Таким чином, розробка алгоритмів, які не потребують ручних піксельних анотацій, але можуть використовувати лише клінічний звіт, була б значним прогресом у цій галузі. Проте ці анотації є важливими для надійної роботи систем комп'ютерної діагностики, оскільки вони дають пояснення результатів і дають впевненість патологоанатомам, що модель зосереджена на важливих ознаках зображення. Тому ми пропонуємо нову weakly-supervised модель глибокого навчання, основану на самонавчальних згорткових нейронних мережах, які використовують тільки глобальну оцінку Глісона гігапіксельних зображень під час навчання, щоб точно виконувати класифікацію патернів на рівні патчів. В цій статті ми пропонуємо використати підхід, який використовує самотреновані згорткові нейронні мережі на основі парадигми машинного навчання за набором зразків.
editor@inter-nauka.com
Personal cabinet