Otkrivanje i klasifikacija lezija dojki na mamografskim snimkama pomoću dubokog učenja

diplomski rad

• Naslov (engleski): Detection and classification of breast lesions on mammography images using deep learning
• Autor: Karlo Pintarić
• Mentor: Andrija Štajduhar (mentor)
• Član povjerenstva: Zdenko Sonicki (predsjednik povjerenstva)
• Član povjerenstva: Sanja Musić Milanović (član povjerenstva)
• Član povjerenstva: Andrija Štajduhar (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Medicinski fakultet; (KATEDRA ZA INTERNU MEDICINU); Zagreb
• Datum i država obrane: 2023-09-19, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: BIOMEDICINA I ZDRAVSTVO; Kliničke medicinske znanosti; Interna medicina

Sažetak

Rak dojke, kao najčešće dijagnosticirana vrsta raka, predstavlja veliki globalni zdravstveni izazov. Rano otkrivanje, u kojem mamografija igra ključnu ulogu, ključno je za smanjenje stope smrtnosti. No, razlikovanje između benignih i malignih lezija, koje se vizualno razlikuju po konturama na mamografskim snimkama, predstavlja značajan izazov. Da bi se ovaj proces olakšao i standardizirao, uveden je BI-RADS sustav kategorizacije lezija. Unatoč dugotrajnom korištenju računalom potpomognute dijagnostike (CAD) u analizi mamografskih snimaka, postignuti rezultati još uvijek nisu na očekivanoj razini. Upravo se tu otvara prostor za primjenu dubokog učenja, segmenta strojnog učenja temeljenog na umjetnim neuronskim mrežama. Ova tehnologija ima potencijal značajno olakšati i poboljšati rad radiologa. U sklopu ovog rada, razvijen je model dubokog učenja namijenjen za segmentaciju lezija dojki. Ovaj model analizira svaki pojedinačni piksel na slici te ga svrstava u jednu od tri kategorije: pozadina, benigna ili maligna lezija. Iako je model treniran na relativno ograničenom skupu podataka, postignuti rezultati su obećavajući - uspješno segmentira lezije bez obzira na njihovu veličinu i postiže značajan rezultat prema Dice koeficijentu. Suvremene tehnologije, kao što je duboko učenje, otvaraju nova vrata u području mamografije. No, potrebno je nastaviti s daljnjim kliničkim istraživanjima kako bi se potpuno otkrio njihov potencijal. Ovaj rad doprinosi tom cilju, istražujući mogućnosti koje pruža spoj zdravstva i tehnologije.

Sažetak (engleski)

Breast cancer, as the most commonly diagnosed type of cancer, poses a significant global health challenge. Early detection, in which mammography plays a crucial role, is essential for reducing mortality rates. However, distinguishing between benign and malignant lesions, which visually differ in contours on mammographic images, presents a substantial challenge. To standardize this process, the BI-RADS system for categorizing lesions was introduced. Despite the longstanding use of computer-aided diagnostics (CAD) in the analysis of mammographic images, the results achieved are still not at the expected level. This is where the application of deep learning, a segment of machine learning based on artificial neural networks, comes into play. This technology has the potential to significantly ease and enhance the work of radiologists. In
the scope of this thesis, a deep learning model intended for the segmentation of breast lesions was developed. This model analyzes each individual pixel in the image and classifies it into one of three categories: background, benign lesion, or malignant lesion. Although the model was trained on a relatively limited data set, the results achieved are promising - it successfully segments lesions regardless of their size and achieves a significant result according to the Dice coefficient. Modern technologies, such as deep learning, are opening new doors in the field of mammography. However, it is necessary to continue with further clinical research to fully uncover their potential. This thesis contributes to this goal, exploring the possibilities offered by the intersection of healthcare and technology.

• Ključne riječi: rak dojke; mamografija; duboko učenje; segmentacija slika
• Ključne riječi (engleski): breast cancer; mammography; deep learning; image segmentation
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:105:029747
• Studijski program: Naziv: Medicina; Vrsta studija: sveučilišni; Stupanj studija: integrirani preddiplomski i diplomski; Akademski / stručni naziv: doktor/doktorica medicine (dr. med.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Otvoreni pristup
• Datum i vrijeme pohrane: 2023-10-30 10:02:24