Détectez la mitose en utilisant les réseaux neuronaux
Si vous possédez suffisamment de données, vous pouvez entraîner un réseau neuronal à partir de zéro. C'est à dire, un réseau qui apprend automatiquement les caractéristiques pertinentes et agit simultanément comme un classifieur subséquent.
Prenons l'exemple de la détection des cellules qui subissent une mitose. Voici un réseau neuronal de convolution simple qui peut faire le travail.
Les données pour l'entraînement et les tests ont été extraits du Tumor Proliferation Assessment Challenge 2016. Les données ont été préalablement traitées en images 97×97, centrées autour des cellules réelles en question.
Utilisez environ les trois quarts des données pour l'entraînement et le reste pour les tests.
Voici à quoi ressemble un sous-ensemble d'échantillons de mitose.
Voici à quoi ressemble un sous-ensemble d'échantillons non mitotiques.
Encore une fois, pour augmenter le jeu de données d'apprentissage, effectuez la mise en miroir et la rotation de l'image.
Calculez les paramètres du classifieur et vérifiez l'efficacité du réseau neuronal.
Compte tenu de la tâche difficile, un taux d'erreur de moins de 10 % est comparable à celui que réaliserait un pathologiste.
