О методах переноса глубокого обучения в задачах классификации биомедицинских изображений

Проведены компьютерные исследования эффективности применения методов переноса глубокого обучения для решения задачи распознавания опухолей головного мозга человека на основе его МРТ-снимков. Предложены и реализованы различные стратегии глубокого обучения и тонкой настройки моделей. В качестве базовых моделей были использованы глубокие сверточные сети VGG-16, ResNet-50, Xception и MobileNetV2, предварительно обученные на наборе изображений ImageNet. Также разработана и обучена глубокая сверточная нейронная сеть 2D_CNN. Компьютерный анализ показателей их производительности показал, что стратегия тонкой настройки модели Xception на расширенном наборе данных продемонстрировала более высокие значения точности по сравнению с другими моделями глубокого обучения: точность классификации опухолей головного мозга по МРТ-снимкам составила 96%, precision — 99,9%, recall — 96,03%, f1-score — 98%, AUC — 98,92%.