Mamografski snimci visoke rezolucije sadrže sitne detalje koji mogu biti važni za prepoznavanje abnormalnosti, ali obrada cijele slike traži mnogo računarskih resursa. Istraživanje razmatra kako podijeliti snimke na manje dijelove i upoređuje dvije neuronske mreže za njihovu klasifikaciju. Rezultati pokazuju obećavajuću validacijsku preciznost, ali i zašto ovu metodu treba tumačiti kao istraživački korak, a ne kao gotov klinički alat.
Ključni nalazi
- U radu su upoređeni ResNeXt50 i EfficientNet-b6 za binarnu klasifikaciju isječaka mamografskih snimaka.
- Ulazni isječci imali su dimenzije 512 × 512 piksela, a korišteni su snimci iz skupa VinDr-Mammo.
- Oba modela postigla su tačnost 0,78 i odziv 0,78 na validacijskim podacima.
- Preciznost EfficientNet-b6 bila je 0,83, dok je kod ResNeXt50 iznosila 0,78.
- U radu se navodi da je krivulja validacijskog gubitka EfficientNet-b6 bila stabilnija, ali je povezivanje predviđanja isječaka na nivou pacijenta ostalo otvoren problem.
Zašto je važna klasifikacija mamografskih snimaka
Mamografija je ključna metoda za skrining i rano otkrivanje raka dojke. Digitalna mamografija punog polja, odnosno FFDM, daje snimke visoke rezolucije, no njihovo tumačenje nije jednostavno. Preklapanje tkiva, različita gustina dojki i suptilan izgled nekih abnormalnosti mogu otežati procjenu. Čak i iskusni stručnjaci mogu se susresti s izazovnim slučajevima i razlikama u tumačenju.
Konvolucijske neuronske mreže, skraćeno CNN, uče obrasce iz slika i koriste se za zadatke kao što je klasifikacija. Kod mamografije je izazov istovremeno sačuvati sitne detalje i obraditi veoma velike slike. Smanjenje slike na maniju rezoluciju može izbrisati informaciju iz malih zahvaćenih područja, dok obrada cijelog snimka zahtijeva znatne memorijske i računarske resurse. Rad zato ispituje pristup zasnovan na isječcima.
Skup podataka i priprema isječaka
U radu se navodi da je korišten VinDr-Mammo, skup podataka s 20.000 DICOM slika iz 5000 studija. Svaka studija uključuje informacije o nalazima, među kojima su mase, kalcifikacije, asimetrija i drugi poremećaji. Lokacije nalaza označene su graničnim okvirima, a prikupljeni su i podaci o gustini tkiva i kategorijama BI-RADS. U radu se navodi da su slike anonimizirane i da su pri prikupljanju poštovani pravni i etički principi.
Za potrebe klasifikacije rijetke kategorije nalaza spojene su u jednu pozitivnu klasu, dok je klasa bez nalaza bila negativna. U radu se navodi da su se koristili najzastupljeniji snimci s fotometrijskom interpretacijom MONOCHROME 2, jer su razlike među tipovima snimaka stvarale poteškoće u treniranju. Uzorkovanjem su uravnoteženi podaci: navodi se ukupno 4500 uzoraka za treniranje, od kojih je 900, odnosno 20%, korišteno za validaciju.
Isječak je dio slike koji se obrađuje kao zaseban ulaz u model. Istraživanje je koristilo veličinu 512 × 512 piksela. Kod pozitivnih primjera centar graničnog okvira nalaza koristio se kao referenca za izdvajanje područja. Za negativne primjere, koji nemaju označeni nalaz, koristili su centar mase slike i slučajne pomake kako bi unijeli više varijacija. Slike su normalizirane, a tokom treniranja primijenjene su nasumične horizontalne ili vertikalne promjene i rotacije od 0 do 180 stepeni.
Ispitivano je i smanjivanje cijelih snimaka, ali je taj pristup odbačen nakon slabijih preliminarnih rezultata. Prema objašnjenju u radu, umanjivanje je moglo ukloniti informacije iz malih zahvaćenih područja. Isječci su omogućili korištenje većih i dubljih modela uz niže zahtjeve za memorijom nego što bi ih zahtijevala obrada cijelih snimaka.
Modeli, treniranje i rezultati
ResNeXt i EfficientNet korišteni su kao CNN arhitekture koje izdvajaju karakteristike iz slike i zatim ih šalju klasifikacijskom dijelu mreže. Modeli su trenirani 20 epoha pomoću biblioteke PyTorch i optimizatora Adam. Veličina serije bila je 128 za ResNeXt i 16 za EfficientNet, a treniranje je obavljeno na radnoj stanici s NVIDIA RTX 6000 Ada Generation GPU-om od 48 GB.
Na validacijskom skupu ResNeXt50 je ostvario tačnost 0,78, preciznost 0,78, odziv 0,78 i F1 rezultat 0,78. Tačnost predstavlja udio ispravnih predviđanja, preciznost govori koliko je pozitivnih predviđanja bilo tačno, a odziv koliko je stvarnih pozitivnih primjera model pronašao. F1 objedinjuje preciznost i odziv u jednu mjeru.
EfficientNet-b6 je imao tačnost 0,78, preciznost 0,83, odziv 0,78 i F1 rezultat 0,78. Dakle, oba modela ostvarila su iste vrijednosti tačnosti, odziva i F1 rezultata, dok je EfficientNet-b6 imao višu preciznost. U radu se također opisuje stabilnija i kontinuirano opadajuća validacijska krivulja gubitka za EfficientNet-b6 u odnosu na promjenjiviju krivulju ResNeXt50. Kao jedno moguće objašnjenje navodi se pažnja u arhitekturi EfficientNet-a, koja bi mogla pomoći u radu sa sitnim abnormalnostima; to je tumačenje iz rada, a ne zasebno potvrđen nalaz ovog poređenja.
Šta nalazi znače u praksi
Za inženjere i istraživače, rezultat pokazuje kompromis između veličine ulazne slike i računarskih zahtjeva. Isječci od 512 × 512 piksela zadržavaju više lokalnih detalja nego umanjeni cijeli snimci, a omogućavaju treniranje dubljih CNN modela na dostupnom hardveru. Ovaj način obrade može biti koristan za razvoj sistema koji pomažu u analizi medicinskih slika, ali sam po sebi ne dokazuje spremnost za korištenje u klinici.
Za studente, važno je uočiti razliku između klasifikacije isječka i procjene cijelog pregleda. Model je treniran za binarnu klasifikaciju isječaka, a u radu se navodi da je objedinjavanje isječaka u pouzdano predviđanje na nivou pacijenta i dalje izazov. Granični okviri iz skupa podataka pomogli su u odabiru pozitivnih područja, ali prikazani rezultati ne daju zasebnu mjeru tačnosti lokalizacije nalaza.
Ograničenja i naredni koraci
Rezultati su prikazani na validacijskim podacima, a tabela ne daje rezultate zasebnog testiranja niti vanjske validacije na drugom skupu. Stoga se navedene metrike ne mogu smatrati dokazom učinka u različitim ustanovama ili kliničkim uslovima. Također, pozitivne kategorije objedinjene su u jednu klasu, pa model ne razlikuje vrste nalaza. U radu se ističe da tačnost treba dodatno unaprijediti prije kliničke primjene.
Kao važan naredni korak navodi se razvoj dodatnog modela koji bi povezivao predviđanja na nivou isječaka i donosio procjenu na nivou pacijenta. Dalja istraživanja trebala bi pažljivo provjeriti kako takav postupak radi na različitim podacima i koliko pouzdano prepoznaje abnormalnosti.
Zaključak
Rad pokazuje da se isječci od 512 × 512 piksela mogu koristiti za treniranje CNN modela na mamografskim slikama visoke rezolucije uz manji računarski zahtjev nego obrada cijelih snimaka. EfficientNet-b6 imao je višu preciznost od ResNeXt50, dok su tačnost, odziv i F1 rezultat bili jednaki. To je koristan doprinos istraživanju AI klasifikacije mamografije, uz jasnu potrebu za boljim povezivanjem predviđanja isječaka i dodatnom provjerom prije kliničke upotrebe.
| Autori rada | Ajdin Vatreš, Edin Kadrić, Adnan Beganović, Adnan Šehić, Fuad Julardžija, Senad Odžak, Adi Pandžić, Merim Jusufbegović |
|---|---|
| Objavljeno u | CMBEBIH 2025, IFMBE Proceedings 133, 2026, pp. 174–184 |
| Datum objave | 27. april 2026. |
| DOI | 10.1007/978-3-032-06531-5_17 |
| Cijeli rad | researchgate.net |
Česta pitanja
Koji su AI modeli upoređeni za klasifikaciju mamografije?
Rad je uporedio ResNeXt50 i EfficientNet-b6 na isječcima iz skupa VinDr-Mammo.
Koje rezultate je ostvario EfficientNet-b6?
Na validacijskim podacima imao je tačnost 0,78, preciznost 0,83, odziv 0,78 i F1 rezultat 0,78.
Zašto su korišteni isječci veličine 512 × 512 piksela?
Isječci su smanjili računarske zahtjeve, a istovremeno sačuvali detalje koje bi umanjivanje cijelog mamografskog snimka moglo izgubiti.
Tekst je napisan na osnovu objavljenog naučnog rada; za detalje i citiranje koristite originalni rad. O autoru
