МАШИНАЛЫҚ ОҚЫТУ ӘДІСТЕРІМЕН СҮТ БЕЗІ ПАТОЛОГИЯСЫН ТИІМДІ АНЫҚТАУ

Аннотация

.  Данная работа посвящена исследованию и разработке методов эффективного выявления патологий молочной железы с использованием современных технологий машинного обучения, таких как YOLOv8 и Faster R-CNN. В работе представлен анализ существующих подходов к диагностике заболеваний молочной железы и оценка их эффективности. Затем применяются архитектуры YOLOv8 и Faster R-CNN для создания моделей обнаружения патологий на изображениях маммографии. В работе проведен анализ и классификация выявленных патологий молочной железы на шести уровнях, учитывая различные степени тяжести и характеристики заболеваний. Этот подход позволяет более точно определить степень прогрессирования заболевания и предоставляет дополнительные данные для более индивидуализированного планирования лечения. Результаты классификации на различных уровнях позволяют улучшить качество медицинских решений и обеспечивают более точную информацию для врачей, что в свою очередь способствует улучшению общей эффективности диагностики и лечения заболеваний молочной железы. Экспериментальные результаты демонстрируют высокую точность и скорость обработки изображений, обеспечивая быстрое и надежное выявление потенциальных патологий молочной железы. Полученные данные подтверждают эффективность применения алгоритмов машинного обучения в области медицинской диагностики, предоставляя перспективы для дальнейшего развития автоматизированных систем обнаружения заболеваний молочной железы с целью улучшения ранней диагностики и эффективности лечения.