Szintetikus képadatok generálása citológiai kenetek kiegyensúlyozott osztályozásához gépi tanulási módszerekkel

Abstract

A dolgozat célja a citológiai kenetképek automatikus osztályozásának vizsgálata mesterséges intelligencia módszerekkel. A kutatás középpontjában az osztályimbalancia problémájának kezelése állt, amely jelentősen befolyásolja a modellek teljesítményét. Ennek érdekében különböző szintetikus adatgenerálási és adatkibővítési eljárásokat hasonlítottam össze. Baseline modellként konvolúciós neurális hálózatot alkalmaztam, majd ennek eredményeit több bővített adathalmazzal vetettem össze. Az eredmények azt mutatták, hogy a megfelelően alkalmazott szintetikus adatok javíthatják a klasszifikáció pontosságát, különösen a kisebbségi osztályok esetében. A dolgozat rávilágít arra, hogy a generatív mesterséges intelligencia hasznos eszköz lehet orvosi képfeldolgozási feladatok támogatásában. További fejlesztési irányt jelenthet nagyobb adathalmazok és korszerűbb modellek alkalmazása.