МАММОГРАФИЯЛЫҚ СУРЕТТЕРДЕ СҮТ БЕЗІ ҚАТЕРЛІ ІСІГІН ДӘЛ АНЫҚТАУҒА АРНАЛҒАН БЕЛГІЛЕР ВЕКТОРЫН ҚҰРУ

Аңдатпа

Бұл жұмыста Digital Imaging and Communications in Medicine (DICOM) форматындағы маммографиялық кескіндер негізінде сүт безі қатерлі ісігін жіктеуге арналған гибридті әдіс ұсынылады. Әдіс терең оқыту әдістерін және кескіндердің текстуралық және геометриялық сипаттамаларын біріктіруге негізделген. Зерттеудің мақсаты – медициналық кескіндердегі аномальды аймақтарды жіктеу мен локализациялау дәлдігін арттыру үшін текстуралық және геометриялық белгілерді нейрондық желі архитектурасына біріктіру. Зерттеудің өзектілігі қатерлі ісік ауруларының өсуімен және медициналық мекемелердегі шектеулі ресурстар жағдайында диагностика дәлдігін арттыру қажеттілігімен байланысты. Ұсынылған әдістің негізінде Faster Region-based Convolutional Neural Network (Faster R-CNN) модификацияланған архитектурасы жатыр, оған эксцентриситет, текстуралық метрикалар, энтропия және орташа қарқындылық сияқты қосымша белгілерді шығару блоктары енгізілді. Кескіндерді алдын ала өңдеу кезеңіне Lookup Table (LUT) түрлендірулері, нормализация және гистограмманы теңестіру жатады. Бұл өңдеулер кескіннің негізгі құрылымдық ерекшеліктерін жақсартуға мүмкіндік береді. Әдістің тиімділігіне қосымша текстуралық және геометриялық белгілерді интеграциялау ықпал етті, бұл жалпы шығын деңгейін 30%-ға төмендетуге, сондай-ақ классификация мен локализация көрсеткіштерін жақсартуға мүмкіндік берді. Жасалған әдіс медициналық диагностиканы жетілдіруге ықпал ететін перспективті шешім болып табылады.