Автоматическое распознавание образований на УЗ-изображениях молочных желез

    По данным публикации в журнале Медицинской Визуализации(Journal of Medical Imaging) за январь 2019 - Breast ultrasound lesions recognition: end-to-end deep learning approaches / Распознавание образований молочной железы: сквозное глубокое обучение - внешняя ссылка

    Многоступенчатое автоматическое распознавание образований молочной железы на изображениях УЗИ зависит от результатов предыдущих этапов. Чтобы улучшить текущее состояние дел, предлагается использовать сквозные подходы глубокого обучения с использованием полностью сверточных нейронных сетей (FCN), а именно FCN-AlexNet, FCN-32, FCN-16 и FCN-8 для семантической сегментации образований молочной железы. В данном исследовании были использованы предварительно обученные модели на основе ImageNet и трансферного обучения для преодоления проблемы дефицита данных. Результаты оценивались по двум наборам данных, которые состояли из 113 злокачественных и 356 доброкачественных образований(*См. мою работу по данной теме - Классификатор на основе 3Д векторно... ). Чтобы оценить эффективность проводили пятикратную перекрестную проверку с использованием следующего разделения: 70% для данных обучения, 10% для данных проверки и 20% данных тестирования. Результаты показали, что предлагаемый нами метод показал лучшие результаты для доброкачественных образованиях с лучшим средним значением коэффициента Дайса(Dice score) 0,7626 для FCN-16 по сравнению со злокачественными образованиями с максимальным средним показателем коэффициента Дайса в 0,5484 для FCN-8. При рассмотрении количества изображений с коэффициентом Дайса > 0,5 89,6% доброкачественных образований были успешно сегментированы и правильно распознаны, тогда как только 60,6% злокачественных образований были успешно сегментированы и правильно распознаны.

    *Что тут хочется сказать, молодцы!

    *комментарии редактора