1. Игор Хут, Serbia
2. Branislava Jeftić, Univeristy of Belgrade, Faculty of Mechanical Engineering, 3. Александра Драгичевић, Albania
4. Lidija Matija, Машински факултет Универзитета у Београду, Serbia
5. Djuro Koruga, Serbia
Скрининг карцинома грлића материце Папаниколау тестом и цитологијом на течној бази зависи од експертизе патолога. Показано је да цитологија на течној бази обезбеђује већи проценат препарата задовољавајућих за анализу у поређењу са Папаниколау тестом и да пружа могућност извођења додатних тестова на истом узорку. Међутим, специфичност и сензитивност цитологије на течној бази упоредиви су са Папаниколау тестом и лажно негативни резултати и даље представљају слабу страну ових мануалних дијагностичких тестова. Технолошки напредак и доступност дигиталних података отворили су пут успешној примени модела машинског учења у скринингу. Слике цервикалних ћелија данас се користе као улаз у различите моделе дубоког учења тестиране у студијама које се баве компјутерским дијагностичким системима. Ова студија испитује различите архитектуре конволуционих неуронских мрежа за потребе детекције канцера грлића материце на бази Оптомагнетене имиџинг спектроскопије и цервикалних цитолошких узорaка на течној бази. Предложени модел на бази VGG16 архитектуре постигао је сензитивност од 93.3% и специфичност од 67.8% у бинарном класификационом проблему. Резултати наглашавају потребу за скупом података који је уравнотежен како би се постигле боље перформансе предложеног дубоког модела.
Кључне речи :
Тематска област:
СИМПОЗИЈУМ Б - Биоматеријали и наномедицина
Датум:
01.08.2022.
Contemporary Materials 2022 - Savremeni materijali
Датотека уз рад
Датотека уз рад