합성곱 신경망을 이용한 유방암 조직학 이미지 분류

유방암은 전 세계적으로 암 사망의 주요 원인 중 하나입니다. 헤마톡실린과 이오신으로 염색된 생검 조직의 진단은 간단하지 않으며 전문가들 간에 최종 진단에 대한 의견 차이가 발생합니다. 컴퓨터 보조 진단 시스템은 이 과정의 비용을 줄이고 효율성을 높이는 데 기여합니다. 기존의 분류 접근법은 특정 문제에 대해 분야 지식에 기반하여 설계된 특성 추출 방법에 의존합니다. 특성 기반 접근법의 많은 어려움을 극복하기 위해, 딥 러닝 방법이 중요한 대안으로 부각되고 있습니다. 합성곱 신경망(CNN)을 이용한 헤마톡실린과 이오신으로 염색된 유방 생검 이미지를 분류하는 방법이 제안되었습니다. 이미지는 정상 조직, 양성 병변, 제자리 암 및 침습성 암의 네 가지 클래스로, 암 및 비암 두 클래스로 분류됩니다. 네트워크의 구조는 핵과 전체 조직 구조를 포함하여 서로 다른 스케일에서 정보를 검색하도록 설계되었습니다. 이 디자인은 제안된 시스템을 전체 슬라이드 조직 이미지로 확장할 수 있게 합니다. CNN에 의해 추출된 특성은 또한 서포트 벡터 머신 분류기를 훈련하는 데 사용됩니다. 네 가지 클래스에 대해 77.8%, 암/비암에 대해 83.3%의 정확도가 달성됩니다. 우리의 방법의 암 사례에 대한 민감도는 95.6%입니다.