अल्ट्रासाउंड इमेज का उपयोग करके स्तन ट्यूमर के डेटा संवर्धन और वर्गीकरण के लिए गहरे प्रशिक्षण तरीके

अल्ट्रासाउंड इमेजिंग का उपयोग करके स्तन वर्गीकरण और पहचान को कंप्यूटर-सहायता प्राप्त निदान प्रणालियों में एक महत्वपूर्ण कदम माना जाता है। पिछले दशकों में, शोधकर्ताओं ने प्रारंभिक ट्यूमर वर्गीकरण और पहचान को स्वचालित करने के अवसरों को साबित किया है। स्तन कैंसर की अल्ट्रासाउंड छवियों के लोकप्रिय डेटा सेट की कमी शोधकर्ताओं को वर्गीकरण एल्गोरिदम के अच्छे प्रदर्शन को प्राप्त करने से रोकती है। पारंपरिक संवर्धन दृष्टिकोण काफी सीमित हैं, विशेष रूप से उन कार्यों में जहाँ छवियां सख्त मानकों का पालन करती हैं, जैसा कि चिकित्सा डेटा सेट के मामले में है। इसलिए पारंपरिक संवर्धन के अलावा, हम डेटा संवर्धन के लिए जनरेटिव अद्वर्सेरियल नेटवर्क (GAN) का उपयोग करने के लिए एक नई पद्धति का उपयोग करते हैं। हमने पारंपरिक और GAN-आधारित संवर्धन को एकीकृत करके उच्च सटीकता प्राप्त की। यह पेपर दो विभिन्न अल्ट्रासाउंड सिस्टम से प्राप्त दो स्तन अल्ट्रासाउंड इमेज डेटा सेट का उपयोग करता है। पहला डेटा सेट हमारा है जिसे काहरो (मिस्र) के बेहिया अस्पताल से महिलाओं के कैंसर की प्रारंभिक पहचान और उपचार के लिए एकत्र किया गया था, हम इसे स्तन अल्ट्रासाउंड इमेज (BUSI) डेटा सेट के रूप में नामित करते हैं। इसमें 780 छवियां (133 सामान्य, 437 सौम्य और 210 घातक) शामिल हैं। जबकि डेटा सेट (B) संबंधित कार्य से प्राप्त किया गया है और इसमें 163 छवियां (110 सौम्य और 53 घातक) हैं। इस क्षेत्र में सार्वजनिक डेटा सेट की कमी को दूर करने के लिए, BUSI डेटा सेट शोधकर्ताओं के लिए सार्वजनिक रूप से उपलब्ध होगा। इसके अतिरिक्त, इस पेपर में, गहरे शिक्षण दृष्टिकोणों का प्रस्ताव किया गया है जिसका उपयोग स्तन अल्ट्रासाउंड वर्गीकरण के लिए किया जाएगा। हम दो विभिन्न विधियों की जांच करते हैं: एक कन्वोल्यूशनल न्यूरल नेटवर्क (CNN) दृष्टिकोण और एक ट्रांसफर लर्निंग (TL) दृष्टिकोण और हम उनके प्रदर्शन की तुलना करते हैं संवर्धन के साथ और बिना। परिणाम यह पुष्टि करता है कि गहरे शिक्षण वर्गीकरण विधियों (विशेषकर ट्रांसफर लर्निंग) के साथ संवर्धन विधियों का उपयोग करके समग्र सुधार होता है जब दो डेटा सेट पर मूल्यांकन किया जाता है।