視頻:乳房活檢的表徵
阿爾貝托·貝拉斯科·馬塔 (Alberto Velasco Mata),第二屆圖靈機獎獲獎學生。 Cojali SL 最佳碩士論文獎,題目為:«乳腺活檢顯微圖像中感興趣區域的表徵「,指導老師是 Eusebio Angulo Sanchez-Herrera 和 Maria Gloria Bueno Garcia。下面,您可以在以下影片中觀看 Alberto 所做工作的摘要
總結
機器學習技術在乳腺組織活檢中的腫瘤區域(包括癌變區域)的檢測和分類中的應用代表了成本的降低並有助於專家的診斷。 該應用領域中的現有檢測器通常對所提供的樣本進行一般評估,僅將注意力集中在它們的腫瘤區域上。 然而,腫瘤細胞環境中的其他區域可能顯示出癌症跡象。 由於活檢過程的特殊性,對該因素的研究可能對專家有用,因為其中可能沒有細胞區域出現。 考慮到腫瘤背景特徵的檢測可能代表對當前方法的改進。 此外,由於難以註釋組織的特定區域和組織學樣本的多樣性,因此有必要考慮通常缺乏標記數據。
考慮到數據量的減少,對不同類型組織的分類如何影響檢測的研究意味著有必要提出模型,其優勢在於它們之間具有高度相似性的圖像之間的區別,就像組織的情況一樣.
本文介紹了基於以下技術的深度學習模型: 對比學習,目的是分析和比較在乳腺活檢中對各種類型的組織進行分類時獲得的性能。 此外,還分析了這些模型正常工作所需的數據量,並應用了避免過度擬合的技術。
