KOMPJUTERSKI DIJAGNOSTIČKI SISTEM ZA KLASIFIKACIJU SLIKA CERVIKALNIH CITOLOŠKIH RAZMAZA NA TEČNOJ BAZI PRIMENOM KONVOLUCIONIH NEURONSKIH MREŽA

1. Igor Hut, Serbia
2. Branislava Jeftić, Univeristy of Belgrade, Faculty of Mechanical Engineering, 3. Aleksandra Dragičević, Albania
4. Lidija Matija, Mašinski fakultet Univerziteta u Beogradu, Serbia
5. Djuro Koruga, Serbia

Skrining karcinoma grlića materice Papanikolau testom i citologijom na tečnoj bazi zavisi od ekspertize patologa. Pokazano je da citologija na tečnoj bazi obezbeđuje veći procenat preparata zadovoljavajućih za analizu u poređenju sa Papanikolau testom i da pruža mogućnost izvođenja dodatnih testova na istom uzorku. Međutim, specifičnost i senzitivnost citologije na tečnoj bazi uporedivi su sa Papanikolau testom i lažno negativni rezultati i dalje predstavljaju slabu stranu ovih manualnih dijagnostičkih testova. Tehnološki napredak i dostupnost digitalnih podataka otvorili su put uspešnoj primeni modela mašinskog učenja u skriningu. Slike cervikalnih ćelija danas se koriste kao ulaz u različite modele dubokog učenja testirane u studijama koje se bave kompjuterskim dijagnostičkim sistemima. Ova studija ispituje različite arhitekture konvolucionih neuronskih mreža za potrebe detekcije kancera grlića materice na bazi Optomagnetene imidžing spektroskopije i cervikalnih citoloških uzoraka na tečnoj bazi. Predloženi model na bazi VGG16 arhitekture postigao je senzitivnost od 93.3% i specifičnost od 67.8% u binarnom klasifikacionom problemu. Rezultati naglašavaju potrebu za skupom podataka koji je uravnotežen kako bi se postigle bolje performanse predloženog dubokog modela.

Ključne reči :

Tematska oblast: SIMPOZIJUM B - Biomaterijali i nanomedicina

Datum: 01.08.2022.

Contemporary Materials 2022 - Savremeni materijali

Datoteka uz rad  (69.00 KB)
Datoteka uz rad  (808.02 KB)


Ostali radovi sa konferencije


Pretraži radove