ВИЯВЛЕННЯ РАКУ МОЛОЧНОЇ ЗАЛОЗИ НА ГІСТОПАТОЛОГІЧНИХ ЗОБРАЖЕННЯХ З ВИКОРИСТАННЯМ SWIN V2 ТА ІНФОРМАЦІЙНО-ЕКСТРЕМАЛЬНОЇ ТЕХНОЛОГІЇ

Анотація

Стаття розглядає питання застосування машинного зору в задачах аналізу гістопатологічних знімків. Мета дослідження полягає у підвищенні точності автоматичного детектування раку молочної залози на гістопатологічних зображеннях шляхом розробки та впровадження нової гібридної архітектури, що поєднує сучасні візуальні трансформери із інформаційно-екстремальною інтелектуальною технологією.У роботі представлено порівняльний аналіз ефективності різних архітектур нейронних мереж для вирішення задачі бінарної класифікації гістопатологічних зображень.Досліджено два фундаментально різних підходи: згорткові нейронні мережі (Convolutional Neural Networks, CNN) на базі архітектури ResNet та візуальні трансформери (Visual Transformers, ViT) на базі архітектури Swin Transformer V2. Ці підходи використані як базові моделі у поєднанні з інформаційно-екстремальною технологією (Information Extreme Technology, IET) для класифікації зображень.Основну увагу приділено моделі на базі Swin Transformer V2 (SwinV2). SwinV2 застосовує інноваційний механізм уваги у фіксованих вікнах із їх зміщенням, що забезпечує лінійну складність обчислень відносно розміру зображення, на відміну від квадратичної складності при глобальній увазі. Розроблена модель використовує попереднє навчання на масштабному наборі даних ImageNet-22K з подальшим точним налаштуванням на спеціалізованому наборі даних BreakHis.Проведені експериментальні дослідження на збалансованому тестовому наборі (847 зразків для кожного класу) показують, що запропонований підхід з використанням SwinV2 та IET досягає точності класифікації 98.5%, що на 10% перевищує результати аналогічної системи на основі ResNet (88.98%). Це суттєве покращення пояснюється здатністю трансформерів ефективніше обробляти глобальні залежності та форми об’єктів на зображеннях, що особливо важливо при аналізі морфології ядер клітин у гістопатологічних зображеннях. У процесі дослідження проаналізовано ключові відмінності між CNN та ViT архітектурами, зокрема їх різні упередження щодо текстур та форм при обробці зображень. Встановлено, що CNN демонструють сильну схильність до аналізу локальних текстурних патернів, тоді як ViT значно краще працюють з глобальною інформацією про форму об’єктів.За результатами дослідження окреслено перспективні напрямки подальших досліджень, зокрема розробку ансамблевих методів, що поєднують переваги обох архітектур для створення більш надійних систем діагностики з високою точністю. Запропонований підхід може бути адаптований для аналізу інших типів гістопатологічних зображень та інтегрований у існуючі системи комп’ютерної діагностики.