Использование машинного обучения для сегментации ультразвуковых изображений скелетной мышцы

В данной статье рассмотрены вопросы применения методов машинного обучения для сегментации ультразвуковых изображений скелетных мышц человека. Актуальность данного исследования заключается в сложности и длительности расшифровки медицинских материалов, а также субъективности и ошибках. Целью статьи является создание точной и эффективной модели сегментации здоровых скелетных мышц с использованием машинного обучения для метода ультразвукового исследования медицинской визуализации. Дтя построения модели сегментации скелетных мышц использовались архитектура U-net с различным количеством сверточных слоев, а также сеть U-net++, которая представляет собой модификацию классической U-net. Для обучения нейронной сети был использован набор данных ультразвуковых снимков скелетных мышц из открытых источников, для проверки были использованы ультразвуковые изображения скелетных мышц добровольцев с помощью акустической системы Verasonics. Были проведены обучение, анализ и тестирование модели нейросети, сравнение результатов обучения при различных модификациях и гиперпараметрах. Основным результатом исследования является получение эффективной модели нейросети и подтверждение потенциала ее применения для сегментирования ультразвуковых изображений скелетных мышц.