Analiza danych mammograficznych w celu automatycznego wyboru optymalnej metody mastektomii

Termin „mastektomia” często kojarzy się jedynie z operacją związaną z rakiem piersi. Patrząc szerzej na zabieg, z jego nazwą wiąże się spektrum różnych operacji. Istnieje wiele osób, które chcą wykonać zabieg – pacjenci z ginekomastią, osoby transpłciowe, kobiety poddające się zabiegom profilaktycznym. Dla wielu z nich wynik jest kluczowy – jeśli nie będzie wizualnie zadowalający, pacjent może być niechętny by poddać się operacji. Estetyka oczekiwana przez pacjenta często nie jest głównym celem chirurga. Stworzenie takiego rozwiązania może pomóc pacjentowi zdecydować, czy przewidziane rezultaty będą wystarczające.
W pracy zastosowano uczenie maszynowe w celu predykcji wyników mastektomii. Aby przewidzieć rodzaj cięcia, zbadano rozwiązanie oparte na sieciach konwolucyjnych. Analizując obrazy przedoperacyjne pacjentów opracowano model klasyfikacyjny. Udowodnione zostało, że nawet „mniej wyrafinowane” zastosowania sieci CNN osiągają precyzję rzędu 80% skutecznie przewidując wynik operacji.

The term “mastectomy” is often linked only to an operation connected with breast cancer. Looking at the procedure in broader terms, a spectrum of surgeries unravel. There are many individuals seeking this procedure -- patients with gynecomastia, transmen, women undergoing preventive surgeries. For many of those, the aesthetic outcome of the procedure is crucial -- if it won't be visually pleasing the patient may be reluctant to undergo it. The priority of the patient is often not the primary goal for the surgeon. Creating a prediction model could aid patients seeking such a surgery decide if their possible results would be enough.
This paper focuses on using machine learning to aid mastectomy patients. To predict the type of cut for the patient, a CNN based solution was researched. Analyzing patient images a classification model was developed. It was proven that even the “less sophisticated” applications of CNNs reach accuracies of 80%, efficiently predicting the outcome of the surgery.

Keywords: Mastectomy, CNN, Machine Learning, Periareolar, Keyhole, Double Incision