Використання згорткових нейронних мереж для діагностування раку молочної залози
During the last few years, Convolutional Neural Networks (CNN) have been widely used in Computer-Aided Detection and the medical image analysis. The main idea of this paper is to modify CNN’s architectures to achieve the better sensitivity and the precision for detecting breast cancer at an early st...
Збережено в:
| Дата: | 2019 |
|---|---|
| Автори: | , , |
| Формат: | Стаття |
| Мова: | Англійська |
| Опубліковано: |
The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute"
2019
|
| Теми: | |
| Онлайн доступ: | http://journal.iasa.kpi.ua/article/view/183548 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
| Назва журналу: | System research and information technologies |
Репозитарії
System research and information technologies| _version_ | 1856543485054681088 |
|---|---|
| author | Naderan, Maryam Zaychenko, Yuriy Napoli, Amedeo |
| author_facet | Naderan, Maryam Zaychenko, Yuriy Napoli, Amedeo |
| author_sort | Naderan, Maryam |
| baseUrl_str | |
| collection | OJS |
| datestamp_date | 2020-03-02T17:05:10Z |
| description | During the last few years, Convolutional Neural Networks (CNN) have been widely used in Computer-Aided Detection and the medical image analysis. The main idea of this paper is to modify CNN’s architectures to achieve the better sensitivity and the precision for detecting breast cancer at an early stage compared to existing methods. For this purpose, several factors were considered before CNN training such as the data processing, model, dataset, etc. In the proposed model the following hyperparameters were the following: the dropout rate 0,2, epoch 38 and batch size 33. Besides the hyperparameters, two fully connected layers in the modified model were used. An average recall (sensitivity) in the recent works was 74%. The precision and recall of proposed model for breast cancer classification were 66,66% and 85,7%, respectively. |
| first_indexed | 2025-07-17T10:26:27Z |
| format | Article |
| id | journaliasakpiua-article-183548 |
| institution | System research and information technologies |
| language | English |
| last_indexed | 2025-07-17T10:26:27Z |
| publishDate | 2019 |
| publisher | The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" |
| record_format | ojs |
| spelling | journaliasakpiua-article-1835482020-03-02T17:05:10Z Using convolutional neural networks for breast cancer diagnosing Использование сверточных нейронных сетей для диагностики рака молочной железы Використання згорткових нейронних мереж для діагностування раку молочної залози Naderan, Maryam Zaychenko, Yuriy Napoli, Amedeo convolutional neural networks deep learning computer-aided detection breast cancer diagnosis classification згорткові нейронні мережі глибоке навчання комп'ютерне виявлення діагностика раку молочної залози класифікація сверточные нейронные сети глубокое обучение компьютерное обнаружение диагностика рака молочной железы классификация During the last few years, Convolutional Neural Networks (CNN) have been widely used in Computer-Aided Detection and the medical image analysis. The main idea of this paper is to modify CNN’s architectures to achieve the better sensitivity and the precision for detecting breast cancer at an early stage compared to existing methods. For this purpose, several factors were considered before CNN training such as the data processing, model, dataset, etc. In the proposed model the following hyperparameters were the following: the dropout rate 0,2, epoch 38 and batch size 33. Besides the hyperparameters, two fully connected layers in the modified model were used. An average recall (sensitivity) in the recent works was 74%. The precision and recall of proposed model for breast cancer classification were 66,66% and 85,7%, respectively. В течение последних нескольких лет сверточные нейронные сети широко используются в компьютерной диагностике и анализе медицинских изображений. Основная идея работы состояла в модифицировании архитектуры CNN для достижения большей чувствительности и точности в целях выявления рака молочной железы на ранних стадиях по сравнению с уже существующими методами. Для этого перед обучением CNN рассмотрено несколько факторов, таких как предварительная обработка данных, модель, набор данных и др. В предложенной модели использовались гиперпараметры dropout rate 0,2, epoch 38 и batch size 33, а также два полносвязанных слоя в модифицированной модели. Средний показатель полноты (чувствительности) в последних работах составляет 74%. Точность и полнота предлагаемой модели классификации рака молочной железы составили 66,66% и 85,7% соответственно. Протягом останніх кількох років згорткові нейронні мережі широко використовуються в комп’ютерній діагностиці та аналізі медичних зображень. Основна ідея роботи полягала в розробленні модифікованої архітектури CNN для досягнення більшої чутливості і точності для виявлення раку молочної залози на ранніх стадіях порівняно з уже існуючими методами. Для цього перед навчанням CNN розглянуто декілька факторів, таких як попереднє оброблення даних, модель, набір даних і т.ін. У запропонованій моделі використовувалися гіперпараметри dropout rate 0,2, epoch 38 і batch size 33, а також два повнозв’язні шари в модифікованій моделі. Середній показник повноти (чутливості) в останніх працях становить 74%. Точність і повнота запропонованої моделі класифікації раку молочної залози склала 66,66% і 85,7% відповідно. The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" 2019-12-23 Article Article application/pdf http://journal.iasa.kpi.ua/article/view/183548 10.20535/SRIT.2308-8893.2019.4.09 System research and information technologies; No. 4 (2019); 85-93 Системные исследования и информационные технологии; № 4 (2019); 85-93 Системні дослідження та інформаційні технології; № 4 (2019); 85-93 2308-8893 1681-6048 en http://journal.iasa.kpi.ua/article/view/183548/190141 Copyright (c) 2021 System research and information technologies |
| spellingShingle | згорткові нейронні мережі глибоке навчання комп'ютерне виявлення діагностика раку молочної залози класифікація Naderan, Maryam Zaychenko, Yuriy Napoli, Amedeo Використання згорткових нейронних мереж для діагностування раку молочної залози |
| title | Використання згорткових нейронних мереж для діагностування раку молочної залози |
| title_alt | Using convolutional neural networks for breast cancer diagnosing Использование сверточных нейронных сетей для диагностики рака молочной железы |
| title_full | Використання згорткових нейронних мереж для діагностування раку молочної залози |
| title_fullStr | Використання згорткових нейронних мереж для діагностування раку молочної залози |
| title_full_unstemmed | Використання згорткових нейронних мереж для діагностування раку молочної залози |
| title_short | Використання згорткових нейронних мереж для діагностування раку молочної залози |
| title_sort | використання згорткових нейронних мереж для діагностування раку молочної залози |
| topic | згорткові нейронні мережі глибоке навчання комп'ютерне виявлення діагностика раку молочної залози класифікація |
| topic_facet | convolutional neural networks deep learning computer-aided detection breast cancer diagnosis classification згорткові нейронні мережі глибоке навчання комп'ютерне виявлення діагностика раку молочної залози класифікація сверточные нейронные сети глубокое обучение компьютерное обнаружение диагностика рака молочной железы классификация |
| url | http://journal.iasa.kpi.ua/article/view/183548 |
| work_keys_str_mv | AT naderanmaryam usingconvolutionalneuralnetworksforbreastcancerdiagnosing AT zaychenkoyuriy usingconvolutionalneuralnetworksforbreastcancerdiagnosing AT napoliamedeo usingconvolutionalneuralnetworksforbreastcancerdiagnosing AT naderanmaryam ispolʹzovaniesvertočnyhnejronnyhsetejdlâdiagnostikirakamoločnojželezy AT zaychenkoyuriy ispolʹzovaniesvertočnyhnejronnyhsetejdlâdiagnostikirakamoločnojželezy AT napoliamedeo ispolʹzovaniesvertočnyhnejronnyhsetejdlâdiagnostikirakamoločnojželezy AT naderanmaryam vikoristannâzgortkovihnejronnihmereždlâdíagnostuvannârakumoločnoízalozi AT zaychenkoyuriy vikoristannâzgortkovihnejronnihmereždlâdíagnostuvannârakumoločnoízalozi AT napoliamedeo vikoristannâzgortkovihnejronnihmereždlâdíagnostuvannârakumoločnoízalozi |