Registration Number
0826U002039, PhD dissertation
Status
Доктор філософії
Date
04-06-2026
popup.evolution
.
Title
Models and Methods of an Information Technology for Breast Oncopathology Diagnosis Using Histopathological Images
Author
Oleksandr Papchenko,
popup.head Borys Kuzikov
popup.opponent Andrii Chukhrai
popup.opponent Andrii Kupin
popup.review Alona Moskalenko
popup.review Yuliia Parfenenko
popup.rada
Sumy State University
Description
У дисертаційній роботі розв’язано актуальну науково-прикладну задачу підвищення ефективності діагностики раку молочної залози в умовах неповної визначеності шляхом розроблення інтелектуальної інформаційної технології, що включає визначення регіонів інтересу та класифікацію типів злоякісних утворень за гістопатологічними зображеннями. Запропонована технологія спрямована на підвищення точності та оперативності діагностування, зокрема, в умовах обмеженої кількості навчальних даних та їх високої гетерогенності. У вступі обґрунтовано актуальність теми, сформульовано мету, об’єкт і предмет, визначено основні завдання дослідження, розкрито наукову новизну та практичне значення отриманих результатів, а також наведено особистий внесок здобувача та результати апробації. Розділ 1 присвячено аналізу сучасного стану проблеми автоматизованої діагностики онкопатологій молочної залози. Розглянуто етіологію, класифікацію та стадії розвитку раку. Проаналізовано існуючі методи діагностики, включаючи біопсію як «золотий стандарт», а також оглянуто підходи до створення вхідного математичного опису гістологічних зразків, методи попередньої обробки, сегментації та виділення ознак. Здійснено порівняльний аналіз методів машинного та глибокого навчання (зокрема, згорткових нейронних мереж та трансформерів) у задачах класифікації медичних зображень. Особливу увагу приділено концепції інформаційно-екстремальної інтелектуальної технології (ІЕІT). У розділі 2 розроблено моделі та методи аналізу гістологічних зображень. Сформульовано підхід до виділення та масштабування регіонів зображення, 3 включаючи алгоритм автоматичного визначення просторового масштабу. Запропоновано модель виділення регіонів інтересу на основі виявлення аномалій, а також розроблено моделі для виділення ознакового опису гістопатологічних зображень. Описано модель класифікаційного аналізу та представлено метод оцінки достовірності результатів інтелектуальної системи в рамках ІЕІT. Розділ 3 описує оптимізацію параметрів та процедуру навчання ІЕІT діагностування. Представлено процедури навчання моделей виявлення зон інтересу та моделей автоматичного виділення ознак гістопатологічного зображення. Детально викладено процедуру навчання класифікатора типу раку молочної залози на базі ІЕІT, з використанням методів перенесення знань та аугментації даних для вирішення проблеми обмеженої кількості навчальних даних. У розділі 4 розроблено та досліджено ефективність СППР діагностики раку молочної залози. Описано структуру та функції інтелектуальної системи аналізу гістопатологічних зображень, а також особливості її розгортання у хмарному середовищі. Наведено результати експериментального дослідження ефективності розробленої інформаційної системи.
Registration Date
2026-05-29
popup.nrat_date
2026-05-29 / 2026-07-02
