Изменения

[[Файл:microscopy_cnn.png|right|400px|thumb|Архитектура сверточной нейронной сети для классификации раковых клеток из [https://pubmed.ncbi.nlm.nih.gov/30865716/ статьи.]]]Другой задачей классификации является обнаружение раковых клеток. Для ее решения используется сверточная нейронная сеть с архитектурой VGG-16, в которой дополнительно после каждой функции активации добавлена [[Batch-normalization|пакетная нормализация]] для регуляризации. Сеть, как и остальные классификаторы изображений микроскопии, принимает на вход изображения с флуоресцентными метками. Особенностью при обучении сетки является использование трансферного обучения, то есть модель предварительно обучается на другом огромном объеме данных. В данном случае первые 14 слоев обучаются на наборе данных классификации ImageNet.

Особенностью при обучении сетки является использование из-за недостаточного объема данных трансферного обучения, то есть модель предварительно обучается на другом огромном объеме данных. В данном случае первые 14 слоев сначала обучаются на наборе данных классификации ImageNet, а потом уже происходит обучение для классификации раковых и нормальных клеток. Такая сверточная сеть лучше справляется с задачей классификации клеток по сравнению с экспертом-человеком, особенно на изображениях с недостаточно хорошим качеством<ref>[https://pubmed.ncbi.nlm.nih.gov/30865716/ Ronald Wihal Oei {{---}} Convolutional neural network for cell classification using microscope images of intracellular actin networks, 2019]</ref>.