Влияние предварительной обработки и аугментации данных на сегментацию опухолевых ядер с помощью сверточных нейронных сетей

Актуальность обнаружения и лечения рака молочной железы на ранних этапах остается высокой. За 2020 год зарегистрировано более 65 000 новых случаев онкологии молочной железы, среднегодовой темп прироста – 2%. Число зафиксированных случаев рака молочной железы является лидирующим в статистике по онкологическим заболеваниям. Целью работы является проведение оценки влияния методов предварительной обработки и аугментации наборов данных для сегментации опухолевых ядер на медицинских изображениях в условиях ограниченного объема данных. В экспериментах используется один исходный набор данных и восемь вариантов его предварительной обработки с использованием алгоритмов нарезки изображений для обучения двух моделей сверточных нейронных сетей U-net и U-net с добавлением энкодера ResNet50. Оценка качества обучения нейронных сетей и сегментации ядер выполняется с помощью двух целевых метрик, Dice и IoU, а также в результате сравнения истинного расположения меток ядер и сегментированных ядер с помощью нейронных сетей. В результате обучения моделей на предварительно обработанных наборах данных получены значения целевых метрик по двум моделям для каждого набора, включая исходный. Для архитектуры U-net значения Dice и IoU равны 0,742 и 0,5921, для архитектуры U-net_ResNet50 – 0,7458 и 0,5971.