Breast Cancer Detection with CNNs

Dieses Repository enthält Code und Notebooks zur Erkennung von Brustkrebs mithilfe von Convolutional Neural Networks (CNNs).

Projektstruktur

.
├── .gitignore
├── cnn_breastcancer_pytorch.ipynb
├── CNN_model_pytorch_weights.pth
├── LICENSE
├── README.md
├── keras/
│   ├── Breast_Cancer_Detection_using_CNN.ipynb
│   └── CNN_model.h5
├── misc/
│   ├── 8th-sem-major-project.ipynb
│   ├── breast-cancer-imageclassification.ipynb
│   ├── breast-histopathology-images.py
│   └── cbis-ddsm-breast-cancer-image-dataset-training.ipynb
└── urls/
    ├── url-breast-histopathology-images.txt
    ├── url-cancer-cnn.txt
    ├── url-cbis-ddsm-breast-cancer-image-dataset.txt
    └── url-miniddsm2.txt

Jupyter Notebooks

cnn_breastcancer_pytorch.ipynb

Dieses Notebook implementiert ein Convolutional Neural Network (CNN) mit PyTorch zur Klassifizierung von Brustkrebsbildern. Es behandelt wahrscheinlich die folgenden Schritte:

• Datenvorbereitung: Laden und Vorverarbeiten der Bilddaten. Dies kann das Augmentieren von Daten, Normalisieren und Aufteilen in Trainings-, Validierungs- und Testdatensätze umfassen.
• Modellarchitektur: Definition der CNN-Architektur, einschließlich Convolutional Layers, Pooling Layers, Fully Connected Layers und Aktivierungsfunktionen.
• Training: Trainieren des Modells mit den vorbereiteten Daten. Dies beinhaltet die Definition einer Verlustfunktion und eines Optimierers sowie die Durchführung von Trainingsiterationen.
• Evaluierung: Bewertung der Leistung des trainierten Modells anhand von Metriken wie Genauigkeit, Präzision, Recall und F1-Score.
• Vorhersage: Verwendung des trainierten Modells zur Vorhersage bei neuen Bildern.

Die trainierten Gewichte für dieses Modell könnten in CNN_model_pytorch_weights.pth gespeichert sein.

Weitere Notebooks

• keras/Breast_Cancer_Detection_using_CNN.ipynb: Ein ähnliches Notebook, das Keras anstelle von PyTorch für die CNN-Implementierung verwendet. Die zugehörigen Gewichte könnten in keras/CNN_model.h5 gespeichert sein.
• misc/8th-sem-major-project.ipynb: Ein Notebook, das wahrscheinlich im Rahmen eines Studienprojekts erstellt wurde.
• misc/breast-cancer-imageclassification.ipynb: Ein weiteres Notebook zur Bildklassifizierung von Brustkrebs.
• misc/cbis-ddsm-breast-cancer-image-dataset-training.ipynb: Ein Notebook, das sich speziell auf das Training mit dem CBIS-DDSM-Datensatz konzentriert.

Datensätze

Das Skript misc/breast-histopathology-images.py scheint mit den folgenden Datensätzen zu arbeiten, um Bilder zu zählen und zu verwalten:

1. breast-histopathology-images: Enthält histopathologische Bilder im PNG-Format. (Siehe urls/url-breast-histopathology-images.txt)
2. MINI-DDSM-Complete-PNG-16: Enthält Mammographiebilder im PNG-Format, unterteilt in "Benign" und "Cancer". (Siehe urls/url-miniddsm2.txt)
3. cbis-ddsm-breast-cancer-image-dataset: Enthält Mammographiebilder im JPEG-Format. (Siehe urls/url-cbis-ddsm-breast-cancer-image-dataset.txt)

Das Skript misc/breast-histopathology-images.py enthält die Funktion _count_dataset_images, um die Anzahl der Bilder in diesen Datensätzen zu ermitteln.

Hilfsskripte

• misc/breast-histopathology-images.py: Ein Python-Skript zum Zählen und potenziell Verwalten von Bildern aus verschiedenen Brustkrebs-Datensätzen. Es kann sowohl lokal als auch in einer Google Drive-Umgebung ausgeführt werden.

URLs

Der Ordner urls/ enthält Textdateien mit Links zu den verwendeten Datensätzen und möglicherweise zu relevanten Kaggle-Notebooks oder Ressourcen:

• urls/url-breast-histopathology-images.txt
• urls/url-cancer-cnn.txt
• urls/url-cbis-ddsm-breast-cancer-image-dataset.txt
• urls/url-miniddsm2.txt

Lizenz

Siehe die Datei LICENSE für Lizenzinformationen.