Author(s):
1. Igor Hut, Serbia
2. Branislava Jeftić, Univeristy of Belgrade, Faculty of Mechanical Engineering, 3. Aleksandra Dragičević, Albania
4. Lidija Matija, Mašinski fakultet Univerziteta u Beogradu, Serbia
5. Djuro Koruga, Serbia

Abstract:
Skrining karcinoma grlića materice Papanikolau testom i citologijom na tečnoj bazi zavisi od ekspertize patologa. Pokazano je da citologija na tečnoj bazi obezbeđuje veći procenat preparata zadovoljavajućih za analizu u poređenju sa Papanikolau testom i da pruža mogućnost izvođenja dodatnih testova na istom uzorku. Međutim, specifičnost i senzitivnost citologije na tečnoj bazi uporedivi su sa Papanikolau testom i lažno negativni rezultati i dalje predstavljaju slabu stranu ovih manualnih dijagnostičkih testova. Tehnološki napredak i dostupnost digitalnih podataka otvorili su put uspešnoj primeni modela mašinskog učenja u skriningu. Slike cervikalnih ćelija danas se koriste kao ulaz u različite modele dubokog učenja testirane u studijama koje se bave kompjuterskim dijagnostičkim sistemima. Ova studija ispituje različite arhitekture konvolucionih neuronskih mreža za potrebe detekcije kancera grlića materice na bazi Optomagnetene imidžing spektroskopije i cervikalnih citoloških uzoraka na tečnoj bazi. Predloženi model na bazi VGG16 arhitekture postigao je senzitivnost od 93.3% i specifičnost od 67.8% u binarnom klasifikacionom problemu. Rezultati naglašavaju potrebu za skupom podataka koji je uravnotežen kako bi se postigle bolje performanse predloženog dubokog modela.

Key words:
kancer grlića materice,citologija na tečnoj bazi,konvolucione neuronske mreže,optomagnetna imidžing spektroskopija

Thematic field:
SYMPOSIUM B - Biomaterials and nanomedicine

Date of abstract submission:
01.08.2022.

Conference:
Contemporary Materials 2022 - Savremeni materijali

Abstract Final paper