METHOD FOR CLASSIFYING BREAST CANCER HISTOLOGY IMAGES THROUGH INCREMENTAL BOOSTING CONVOLUTION NETWORKS AND APPARATUS THEREOF

• Main Authors: LEE SANG WOONG, VO DUC MY
• Format: Patent
• Language: English; Korean
• Published: 07.05.2020
• Subjects: CALCULATING; COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS; COMPUTING; COUNTING; HANDLING RECORD CARRIERS; IMAGE DATA PROCESSING OR GENERATION, IN GENERAL; PHYSICS; PRESENTATION OF DATA; RECOGNITION OF DATA; RECORD CARRIERS

The present invention relates to a method and apparatus for classifying breast cancer histology image through augmented convolutional network, and more specifically, to a method and apparatus which can accurately classify two main groups of carcinoma and non-carcinoma and four classes of normal tissue, benign lesions, in situ carcinoma and invasive carcinoma and obtains better classification performance despite the limited number of breast cancer samples due to privacy policy and imbalanced training data according thereto by building a deep learning model through training a breast cancer biopsy image stained with hematoxylin and eosin as a multi-scale input image and training a boosting tree classifier with deep features extracted from each of the constructed deep learning models, and then combining the trained boosting tree classifiers to generate a strong classifier. 본 발명은 증강 컨볼루션 네트워크를 통한 유방암 조직학 이미지 분류 방법 및 그 장치에 관한 것으로, 더욱 상세하게는 헤마톡실린 및 에오신으로 염색된 유방암 생검 이미지를 멀티 스케일 입력 이미지로 트레이닝하여 딥러닝 모델을 구축하고, 상기 구축한 각 딥러닝 모델에서 추출한 심층 특징으로 부스팅 트리 분류기를 트레이닝한 다음, 상기 트레이닝한 각 부스팅 트리 분류기를 결합하여 강한 분류기를 생성함으로써, 암종 및 비 암종의 2가지 주요 그룹과 정상 조직, 양성 병변, 계내 암종 및 침습성 암종의 4가지 클래스를 정확하게 분류할 수 있으며, 개인 정보 보호 정책으로 인한 제한된 수의 유방암 샘플과 이에 따른 불균형한 트레이닝 데이터에도 불구하고 보다 나은 분류 성능을 얻을 수 있는 방법 및 그 장치에 관한 것이다.