Гібридна згорткова мережа для оброблення медичних зображень та виявлення раку молочної залози
In this paper, the breast cancer detection problem using convolutional neural networks (CNN) is considered. The review of known works in this field is presented and analysed. Most of them rely only on feature extraction after the convolutions and use the precision of classification of malignant tumo...
Збережено в:
| Дата: | 2022 |
|---|---|
| Автори: | , , |
| Формат: | Стаття |
| Мова: | Англійська |
| Опубліковано: |
The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute"
2022
|
| Теми: | |
| Онлайн доступ: | http://journal.iasa.kpi.ua/article/view/265629 |
| 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_ | 1856543557495554048 |
|---|---|
| author | Zaychenko, Yuriy Naderan, Maryam Hamidov, Galib |
| author_facet | Zaychenko, Yuriy Naderan, Maryam Hamidov, Galib |
| author_sort | Zaychenko, Yuriy |
| baseUrl_str | |
| collection | OJS |
| datestamp_date | 2022-10-17T22:12:39Z |
| description | In this paper, the breast cancer detection problem using convolutional neural networks (CNN) is considered. The review of known works in this field is presented and analysed. Most of them rely only on feature extraction after the convolutions and use the precision of classification of malignant tumors as the main criterion. However, because of the huge number of parameters in the models, the time of computation is very large. A new structure of CNN is developed — a hybrid convolutional network consisting of convolutional encoder for features extraction and reduction of the complexity of the model and CNN for classification of tumors. As a result, it prevented overfitting the model and reduced training time. Further, while evaluating the performance of the convolutional model, it was suggested to consider recall and precision criteria instead of only accuracy like other works. The investigations of the suggested hybrid CNN were performed and compared with known results. After experiments, it was established the proposed hybrid convolutional network has shown high performance with sensitivity, precision, and accuracy of 93,50%, 91,60%, and 93%, respectively, and requires much less training time in the problem of breast cancer detection as compared with known works. |
| first_indexed | 2025-07-17T10:27:58Z |
| format | Article |
| id | journaliasakpiua-article-265629 |
| institution | System research and information technologies |
| language | English |
| last_indexed | 2025-07-17T10:27:58Z |
| publishDate | 2022 |
| publisher | The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" |
| record_format | ojs |
| spelling | journaliasakpiua-article-2656292022-10-17T22:12:39Z Hybrid convolution network for medical images processing and breast cancer detection Гібридна згорткова мережа для оброблення медичних зображень та виявлення раку молочної залози Zaychenko, Yuriy Naderan, Maryam Hamidov, Galib виявлення раку молочної залози гібридна згорткова мережа кодер чутливість класифікації зменшення розмірності breast cancer detection hybrid convolutional network encoder classification sensitivity dimensionality reduction In this paper, the breast cancer detection problem using convolutional neural networks (CNN) is considered. The review of known works in this field is presented and analysed. Most of them rely only on feature extraction after the convolutions and use the precision of classification of malignant tumors as the main criterion. However, because of the huge number of parameters in the models, the time of computation is very large. A new structure of CNN is developed — a hybrid convolutional network consisting of convolutional encoder for features extraction and reduction of the complexity of the model and CNN for classification of tumors. As a result, it prevented overfitting the model and reduced training time. Further, while evaluating the performance of the convolutional model, it was suggested to consider recall and precision criteria instead of only accuracy like other works. The investigations of the suggested hybrid CNN were performed and compared with known results. After experiments, it was established the proposed hybrid convolutional network has shown high performance with sensitivity, precision, and accuracy of 93,50%, 91,60%, and 93%, respectively, and requires much less training time in the problem of breast cancer detection as compared with known works. Розглянуто проблему виявлення раку молочної залози з використанням згорткових нейронних мереж (ЗНМ). Наведено огляд та аналіз праць з цієї галузі. Зазначається, що більшість з них засновано на вилученні ознак у результаті згортки з використанням як основного критерію точність класифікації пухлин. Унаслідок великого обсягу параметрів, що оптимізуються, час навчання дуже тривалий. Розроблено нову структуру ЗНМ — гібридну мережу, що складається з енкодера для отримання первинних ознак і скорочення розмірності моделі та декількох шарів згортки для класифікації пухлин. Це дало змогу запобігти перенавченню мережі та скоротити час навчання. Для оцінювання якості класифікації запропоновано використовувати критерій чутливості (до злоякісних пухлин) разом із критерієм точності на відміну від відомих праць. Це дозволило скоротити відсоток пропуску злоякісних пухлин. Проведено експериментальні дослідження розробленої гібридної згорткової мережі та порівняно з іншими працями. Установлено, що гібридна ЗНМ має високі показники якості класифікації, а також чутливість до ракових пухлин і точність класифікації 93,50%, 91,60% відповідно і потребує значно менше часу на навчання класифікації пухлин молочної залози порівняно з відомими працями. The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" 2022-08-30 Article Article application/pdf http://journal.iasa.kpi.ua/article/view/265629 10.20535/SRIT.2308-8893.2022.2.06 System research and information technologies; No. 2 (2022); 85-93 Системные исследования и информационные технологии; № 2 (2022); 85-93 Системні дослідження та інформаційні технології; № 2 (2022); 85-93 2308-8893 1681-6048 en http://journal.iasa.kpi.ua/article/view/265629/261672 |
| spellingShingle | виявлення раку молочної залози гібридна згорткова мережа кодер чутливість класифікації зменшення розмірності Zaychenko, Yuriy Naderan, Maryam Hamidov, Galib Гібридна згорткова мережа для оброблення медичних зображень та виявлення раку молочної залози |
| title | Гібридна згорткова мережа для оброблення медичних зображень та виявлення раку молочної залози |
| title_alt | Hybrid convolution network for medical images processing and breast cancer detection |
| title_full | Гібридна згорткова мережа для оброблення медичних зображень та виявлення раку молочної залози |
| title_fullStr | Гібридна згорткова мережа для оброблення медичних зображень та виявлення раку молочної залози |
| title_full_unstemmed | Гібридна згорткова мережа для оброблення медичних зображень та виявлення раку молочної залози |
| title_short | Гібридна згорткова мережа для оброблення медичних зображень та виявлення раку молочної залози |
| title_sort | гібридна згорткова мережа для оброблення медичних зображень та виявлення раку молочної залози |
| topic | виявлення раку молочної залози гібридна згорткова мережа кодер чутливість класифікації зменшення розмірності |
| topic_facet | виявлення раку молочної залози гібридна згорткова мережа кодер чутливість класифікації зменшення розмірності breast cancer detection hybrid convolutional network encoder classification sensitivity dimensionality reduction |
| url | http://journal.iasa.kpi.ua/article/view/265629 |
| work_keys_str_mv | AT zaychenkoyuriy hybridconvolutionnetworkformedicalimagesprocessingandbreastcancerdetection AT naderanmaryam hybridconvolutionnetworkformedicalimagesprocessingandbreastcancerdetection AT hamidovgalib hybridconvolutionnetworkformedicalimagesprocessingandbreastcancerdetection AT zaychenkoyuriy gíbridnazgortkovamerežadlâobroblennâmedičnihzobraženʹtaviâvlennârakumoločnoízalozi AT naderanmaryam gíbridnazgortkovamerežadlâobroblennâmedičnihzobraženʹtaviâvlennârakumoločnoízalozi AT hamidovgalib gíbridnazgortkovamerežadlâobroblennâmedičnihzobraženʹtaviâvlennârakumoločnoízalozi |