Early Detection of Breast Cancer with Microcalcifications on Mammography using Deep learning

Abstract

Abstract Early detection of Microcalcifications (MCs) is an effective indicator in breast cancer diagnosis. The detection of MCs in mammogram is still suboptimal because the complexity of malignant behaviors. The aim of this work to improve early and accurate detection of breast cancer with MCs and aiding radiologists in distinguishing suspicious MCs. CNN shown powerful classification in image data .To deal with this challenge, this work assessed the performance of deep learning based on big dataset. Present a deep convolutional neural network (CNN) classifier model with automatic feature learning used to assess accuracy. To train CNN using total of dataset 1093 mammograms images, training data used 875 images where testing data 218 images . Results show training (99.98%) and testing (90.37%) accuracies. So model had very high accuracy for classifying the breast Microcalcifications either benign or malignant, both accuracies high (specially testing) that indicates the model is free from any over fitting. This may have clinical value for early detection and treatment of breast cancer.

المستخلص يعد الكشف المبكر بالتكلسات الميكروية (Microcalcifications) مؤشرا فعالا فى تشخيص سرطان الثدي . لا يزال الكشف عن MCs فى التصوير الشعاعى للثدي (mammogram) دون المستوى الامثل وذلك لتعقيد تركيب MCs. الهدف من هذا العمل هو تحسين الكشف المبكر والدقيق لسرطان الثدي بالتكلسات الميكروية ومساعدة اطباء الاشعة (Radiologists) فى تمييز الMCs المشبوهه.لقد أثبت العمل على الشبكات العصبية أنها قوية في تصنيف بيانات الصورة. للتعامل مع هذا التحدي, قام هذا العمل بتقييم أداء التعلم العميق - المستند إلى مجموعة كبيرة من البيانات. تم استخدام النموذج المصنف للشبكات العصبية CNN مستخدماً automatic feature learning)) لتقييم الدقة. استخدمنا لتدريب الشبكلة العصبية مجموعة من 1093صورة ((mammograms . بيانات التدريب المستخدمة 875 صورة بينما الاختبار 218 صورة . كما تشير النتائج إلى نسبة دقة التدريب (99.98٪) ونسبة دقة الاختبار (90.37٪) .وبالتالي فإن النموذج لديه دقة عالية جدًا لتصنيف Microcalcifications)) للثدي إما على أنه حالة حميدة أو خبيثة. نجد ان كلا الدقة عاليه خاصة الإختبار مما يشير إلى أن النموذج خالي من أي تركيب زائد (over fitting) قد يكون لهذا قيمة سريرية للكشف المبكر عن سرطان الثدي وعلاجه.