Nyrekreftdeteksjon ved bruk av konvolusjonelle nevrale nettverk (RCCCNN)

Vi tar sikte på å eksperimentere og implementere ulike dyplæringsarkitekturer for å oppnå nøyaktighet på menneskelig nivå i Computer-aided diagnose (CAD) systemer. Spesielt er vi interessert i å oppdage nyresvulster fra CT-urografi i dette prosjektet. Vi ønsker å klassifisere nyretumor til kreft, ikke-kreft, nyrecyste I, nyrecyste II, nyrecyste III og nyrecyste VI, med høy sensitivitet og lav falsk positiv rate ved bruk av ulike typer konvolusjonelle nevrale nettverk (CNN). Denne oppgaven kan betraktes som det første trinnet i å bygge CAD-systemer for diagnose av nyrekreft. Ved å automatisere denne oppgaven kan vi dessuten redusere tiden det tar for radiologene å lage storskala merkede datasett med CT-urografiskanninger.