Loyihalar / Prostate Cancer Detection & Gleason Grading
Prostate Cancer Detection & Gleason Grading
Prostata biopsiyasi tasvirlarida saraton o'choqlarini topib, Gleason shkalasi bo'yicha darajasini aniqlaydigan YOLOv5 modeli — bitta tasvirga taxminan 0,1 soniya.
Tashxis dasturi: asl tasvir, aniqlangan hududlar va xulosa
Bitiruv malakaviy ishim. Patolog prostata saratonining darajasini mikroskop ostida to'qimaga qarab aniqlaydi, Grade 3 ni Grade 4 dan ajratish esa hatto tajribali mutaxassislar uchun ham qiyin. Men gistopatologik tasvirdagi shubhali joylarni belgilab, har biriga sinf (Benign, Grade 3, Grade 4 yoki Grade 5) va ishonch darajasini beradigan model yaratdim. U shifokorga ikkinchi fikr sifatida yordam beradi.
O'quv to'plamida 97%
Ajratish eng qiyin bo'lgan juftlik
Tashxis ko'z bilan qo'yiladi
Gleason darajasi bemorni qanday davolashni belgilaydi. Uni patolog shisha preparatlarni mikroskopda ko'rib aniqlaydi. Bu sekin va sub'ektiv jarayon: ikki mutaxassis bitta namunaga har xil xulosa berishi mumkin, ayniqsa Grade 3 (bezlar hali shakllangan) va Grade 4 (bezlar qo'shilib ketgan) o'rtasida.
Qanday yaratildi
- Ma'lumotlar. 500 dan ortiq yuqori aniqlikdagi biopsiya tasviri; har bir hudud to'rt sinfdan biriga belgilandi: Benign, Grade 3, Grade 4, Grade 5.
- Tayyorlash. Tasvirlar 640×640 o'lchamga keltirildi va mosaic hamda boshqa augmentatsiyalar yordamida 1 776 ta o'quv tasviriga ko'paytirildi.
- Model. YOLOv5m — chunki u bitta o'tishda hududni ham topadi, ham sinflaydi. Shifokorga shunchaki «ha» yoki «yo'q» emas, muammo aynan qayerdaligi kerak.
- Tekshirish. Ikkita test to'plami: o'quv ma'lumotlariga o'xshash 50 ta tasvir va model umuman ko'rmagan tasvirlar.
- Dastur. Tkinter'da yozilgan desktop dastur: tasvir yuklanadi, sinfi va ishonch darajasi ko'rsatilgan hududlar hamda qisqa xulosa chiqadi.
Natija
Model ilgari ko'rmagan tasvirlarda 89% aniqlik ko'rsatdi. Sog'lom to'qimani Grade 5 dan deyarli xatosiz ajratadi, patologlar uchun eng qiyin bo'lgan Grade 3 va Grade 4 ni esa 85% dan yuqori aniqlikda farqlaydi. Bitta tasvirga taxminan 0,1 soniya ketadi.
Ish Farg'ona davlat texnika universitetida himoya qilindi va Silk Road Health Data Science hamjamiyati grantini yutdi.
Qaytadan boshlasam, nimani o'zgartirardim
O'quv tasvirlaridagi 97% bilan yangi tasvirlardagi 89% o'rtasidagi farq — loyihadagi eng rostgo'y raqam: model o'quv to'plamining bir qismini yodlab olgan. Bugun bo'lsa, uzoqroq o'qitishdan oldin ko'proq laboratoriya va skanerlardan tasvir yig'gan bo'lardim, natijani esa bitta aniqlik raqami bilan emas, avvalo confusion matrix bilan ko'rsatardim.