Алгоритмизация процесса распознавания состояний физиологических объектов на основе специальных рентгеновских изображений
Автор: Васильченко Владислав Алексеевич, Бурковский Виктор Леонидович, Данилов Александр Дмитриевич
Журнал: Компьютерная оптика @computer-optics
Рубрика: Обработка изображений, распознавание образов
Статья в выпуске: 2 т.43, 2019 года.
Бесплатный доступ
В статье рассмотрены результаты разработки модуля экспертной системы диагностики заболеваний, основанной на методе нейросетевого анализа. Установлено, что максимальной эффективностью по обработке снимков аппаратов магнитно-резонансной томографии обладают свёрточные нейронные сети. При этом сформирован алгоритм по выбору оптимальной структуры нейронной сети в формате поставленной задачи. Итогом проделанной работы стала сформированная свёрточная нейронная сеть, способная с высокой долей вероятности обнаруживать очаги патологических изменений тканей на снимках магнитно-резонансного томографа. Апробация метода осуществлялась на отдельно взятом органе человека - лёгких. Система в тестовом режиме внедрена в одну из крупнейших клиник города.
Магнитно-резонансная томография, диагностика, бинаризация, классификация, свёрточная нейронная сеть
Короткий адрес: https://sciup.org/140243292
IDR: 140243292 | DOI: 10.18287/2412-6179-2019-43-2-296-303
Algorithmization of the process of recognition of states of living objects based on special X-ray images
The article discusses results of the development of an expert system module for diagnosing diseases based on the method of neural network analysis. In the course of the study, it was established that when processing images obtained using magnetic resonance imaging (MRI) devices, convolutional neural networks offer the maximum efficiency. An algorithm is developed to select an optimal neural network structure best suited for our objective. As a result of the work, we developed a convolutional neural network capable of detecting foci of pathological changes in tissues with high probability in the images obtained by MRI scanners. The method was evaluated using a separate human organ - lungs. The system was implemented in a test mode in one of the largest clinics of the city of Voronezh.
Список литературы Алгоритмизация процесса распознавания состояний физиологических объектов на основе специальных рентгеновских изображений
- Магнитно-резонансная томография . -2018. -URL: https://ru.wikipedia.org/wiki/Магнитно-резонансная_томография (дата обращения: 27.12.2018).
- Васильченко, В.А. Анализ и выбор структуры объектно-реляционной СУБД медицинской информационной системы/В.А. Васильченко, В.Л. Бурковский//Вестник Воронежского государственного технического университета. -2015. -Т. 3, № 3. -С. 57-59.
- Васильченко, В.А. Структура экспертной системы оперативной диагностики и лечения заболеваний легких/В.А. Васильченко, В.Л. Бурковский//Вестник Воронежского государственного технического университета. -2016. -Т. 12, № 1. -С. 28-31.
- Максимова, Е.И. Алгоритм обнаружения образований в легких человека на снимках компьютерного томографа с использованием искусственной нейронной сети/Е.И. Максимова, П.А. Хаустов//Фундаментальные исследования. -2016. -№ 4, часть 2. -С. 290-294.
- EmguCV. -2017. -URL: http://www.emgu.com/wiki/index.php/Main_Page (дата обращения: 27.12.2018).
- Canny, J. A computational approach to edge detection/J. Canny//IEEE Transactions on Pattern Analysis and Machine Intelligence. -1986. -Vol. 6. -P. 679-698.
- Круглов, В.И. Нечеткая логика и искусственные нейронные сети/В.И. Круглов, М.И. Дли, Р.Ю. Голунов. -М.: Физматлит, 2002. -312 c.
- Гонсалес, Р. Цифровая обработка изображений/Р. Гонсалес, Р. Вудс. -М.: Техносфера, 2005. -1007 с.
- Criffith, A.K. Edge detection in simple scenes using a priori information/A.K. Criffith//IEEE Transactions on Computers. -1971. -Vol. 5. -P. 551-561.
- Как выбирать алгоритмы для машинного обучения Microsoft Azure. -2018. -URL: https://msdn.microsoft.com/ru-ru/mt745082.aspx (дата обращения: 27.12.2018).
- ALGLIB. -2018. -URL: https://www.alglib.net (дата обращения: 27.12.2018).
- Спринджук, М.В. Компьютер-ассистированная диагностика узловых образований в легких (обзор литературы) /М.В. Спринджук, В.А. Ковалев, Э.В. Снежко, А.А. Дмитрук, А.Л. Богуш, С.А. Хоружик//Поволжский онкологический вестник. -2010. -URL: oncovestnik.ru/index.php/diagnostika/item/864-kompyuter-assistirovannaya-diagnostika-uzlovykh-obrazovanij-v-legkikh-obzor-literatury (дата обращения: 27.12.2018).
- Мистюков, Б.В. Нейросетевое моделирование динамики нелинейных систем/Б.В. Мистюков, В.Л. Бурковский//Вестник Воронежского государственного технического университета. -2012. -Т. 3, № 12-1. -С. 51-56.
- Гончарова, Ю.М. Нейросетевое моделирование острого пиелонифрита в эксперименте/Ю.М. Гончарова, А.Е. Пьяников, В.Л. Бурковский//Вестник Воронежского государственного технического университета, 2012. -Т. 8, № 7-1. -С. 54-57.
- Спирячин, А.А. Анализ эффективности использования метода нечеткой классификации и генетических алгоритмов в интеллекутальной системе поддержки принятия врачебных решений/А.А. Спирячин, В.Л. Бурковский, А.П. Воропаев//Вестник Воронежского государственного технического университета. -2015. -Т. 11, № 2. -С. 45-48.
