Clasificación multiclase del cáncer de mama mediante red neuronal convolucional
Resumen: Hoy en día, la calidad de los sistemas de clasificación se basa en la representación de conjuntos de datos, un proceso que requiere tiempo para utilizar el conocimiento profundo para producir características específicas. Al mismo tiempo, el aprendizaje profundo puede extraer características de conjuntos de datos sin diseñar extractores de características. La red neuronal convolucional (CNN) es un tipo especial de aprendizaje profundo que ha logrado muchos logros en campos como el reconocimiento de voz, el reconocimiento de imágenes y la clasificación. En este artículo, utilizamos CNN para clasificar e identificar imágenes de cáncer de mama en el conjunto de datos público de BreakHis. El conjunto de datos incluye 7909 imágenes histopatológicas de cáncer de mama (BC), incluidas 4 subclases benignas y 4 subclases malignas. Nuestra nueva tarea con este conjunto de datos es realizar una clasificación múltiple automática de 8 clases en estas imágenes de cáncer de mama, lo que puede ayudar a reducir la mortalidad y salvar la vida de las personas en el mundo. Nuestro enfoque se basa en imágenes sin procesar redimensionadas para construir un modelo CNN y clasificar el cáncer de mama.
Publicado en: Simposio Internacional de Ingeniería Eléctrica y Electrónica (ISEE) 2019
1. Introducción
El cáncer es una de las principales causas de muerte en el mundo actual. Según la OMS (Organización Mundial de la Salud), 8,2 millones de personas murieron de cáncer en 2012 y se esperan 27 millones de casos para 2030. En particular, el cáncer de mama tiene una tasa de mortalidad muy alta en comparación con otros tipos de cáncer. La detección y el diagnóstico del cáncer de mama se pueden lograr con procedimientos de imágenes como mamografías de diagnóstico (rayos X), ultrasonido (ultrasonido), imágenes de resonancia magnética y otros. El diagnóstico a partir de imágenes histopatológicas es estándar para diagnosticar casi todos los tipos de cáncer, incluido el cáncer de mama.
La mayoría de los autores se centran en los grupos de cáncer de mama