Классификация новообразований на маммограммах с помощью нейронных сетей

В данной работе мы исследовали относительно новую архитектуру нейронных сетей СapsNet для решения задачи классификации новообразований молочной железы. По итогам работы, была реализована модель капсульной нейронной сети, демонстрирующая Accuracy 84,4%. Было установлено, что добавление дополнительного капсульного слоя позволяет повысить точность. Также на качество предсказаний модели положительное влияние оказывает предварительная сегментация новообразований на маммограммах. Данная работа является первым шагом на пути к исследованию возможностей капсульных сетей в задаче диагностики онкологических заболеваний с помощью компьютерной обработки медицинских изображений . В будущем мы планируем повысить качество предсказания модели за счет увеличения размера изображений и их количества данными НМИЦ имени Петрова, а также дополнительного исследования влияния числа капсульных слоев и количества капсул на каждом слое на целевую метрику. Модель, реализованная в данной работе, будет использована в рамках проекта, направленного на применение методов машинного обучения в диагностике рака молочной железы совместно с НМИЦ имени Петрова.