Hlavcheva, DariaYaloveha, VladyslavPodorozhniak, Andrii2020-01-102020-01-102019Hlavcheva D. Application of convolutional neural network for histopathological analysis / D. Hlavcheva, V. Yaloveha, A. Podorozhniak // Сучасні інформаційні системи = Advanced Information Systems. – 2019. – Т. 3, № 4. – С. 69-73.https://repository.kpi.kharkov.ua/handle/KhPI-Press/43601Among all types of cancer, breast cancer is the most common. In 2017 breast cancer was the fourth rate for death reasons in Ukraine. The paper is devoted to the automatization of histopathological analysis, which can improve the process of cancer stage diagnosis. The purpose of the paper is to research the ability to use convolutional neural networks for classifying biopsy images for cancer diagnosis. The tasksof research are: analyzing cancer statistics in Europe and Ukraine; analyzing usage of Machine Learning in cancer prognosis and diagnosis tasks; preprocessing of BreCaHAD dataset images; developing a convolutional neural network and analyzing results; the building of heatmap. The object of the research is the process of detecting tumors in microscopic biopsy images using Convolutional Neural Network. The subject of the research is the process of classifying healthy and cancerous cells using deep learning neural networks. The scientific noveltyof the research is using ConvNet trained on the BreCaHAD dataset for histopathological analysis. The theory of deep learning neural networks and mathematical statistics methods are used. In resultit is obtained that the classification accuracy for a convolutional neural networkon the test data is 0.935, ConvNet waseffectively used for heatmap building.Серед усіх видів раку найпоширенішим є рак молочної залози. У 2017 році рак молочної залози став четвертою причиною смертності в Україні. Стаття присвячена автоматизації гістопатологічного аналізу, що може покращити процес діагностики стадії раку. Мета статті - дослідити можливість використання згорткових нейронних мереж для класифікації зображень біопсії для діагностики раку. Відповідно до мети поставлено такі завдання: аналіз статистики захворюваності на рак в Європі та Україні; аналіз використання машинного навчання для завдань прогнозування та діагностики раку; попередня обробка зображень набору даних BreCaHAD; навчання згорткової нейронної мережі та аналіз результатів; побудова теплової карти. Об’єктом дослідження є процес виявлення пухлин на мікроскопічних зображеннях біопсії за допомогою згорткових нейронних мереж. Предметомдослідження є процес класифікації здорових та ракових клітин за допомогою нейронних мереж глибокого навчання. Науковою новизною дослідження є використання згорткової нейронної мережі, навченоїна наборі даних BreCaHAD для виконання гістопатологічного аналізу. Використовуються теорія нейронних мереж глибокого навчаннята методи математичної статистики. В результатіотримано, що точність класифікації згорткової нейронної мережі за тестовимиданими становить 0,935, ця мережа може бути ефективно використанa для побудови теплової карти.endeep learningbreast cancerbiopsy imagesBreCaHADглибоке навчаннярак молочної залозибіопсіяBreCaHADArticledoi.org/10.20998/2522-9052.2019.4.10https://orcid.org/0000-0001-6990-6845https://orcid.org/0000-0001-7109-9405https://orcid.org/0000-0002-6688-8407