Maschinelles Lernen im Gesundheitswesen

Brustkrebs ist eine Krankheit, die durch eine starke Vermehrung von Zellen gekennzeichnet ist, die zum Auftreten von Tumoren im Brustbereich führen kann. Die Diagnose von Brustkrebs stellt jedoch Angehörige der Gesundheitsberufe und Spezialisten vor einige Herausforderungen, z. B. wegen der schwierigen Analyse von Biopsieproben. Vor diesem Hintergrund und in Anbetracht des rechnerischen Fortschritts der Computer-Vision-Techniken für die Bilderkennung sind viele Forscher und Experten der Ansicht, dass der Einsatz von CAD-Systemen (computergestützte Diagnose) zur Unterstützung der Diagnose von Brustkrebs durch den Einsatz von Bildverarbeitungs- und maschinellen Lerntechniken einen positiven Beitrag zur Diagnose von Brustkrebs unter Experten leisten kann. Daher werden in dieser Arbeit drei CNN-Ansätze der VGG-16-Architektur unter Verwendung der Techniken des Wissenstransfers und des Farbtransfers implementiert. Ziel ist es, eine Lösung für die Erkennung von Brustkrebs in histopathologischen Krebsbildern unter Verwendung von CNN mit Wissenstransfer und Farbtransfer vorzuschlagen und zu bewerten.