ІНТЕЛЕКТУАЛЬНА СИСТЕМА ДІАГНОСТИКИ ЗАХВОРЮВАНЬ ЛЕГЕНІВ ІЗ ЗАСТОСУВАННЯМ НЕЙРОННОЇ МЕРЕЖІ

Анотація

У статті розглядаються проблеми тта методи машинної класифікації та розпізнавання рентгенівських знімків (CXR), а також питання удосконалення штучних НМ, які використовуються для підвищення якості класифікації рентгенологічних синдромів. Встановлено, що сучасні методи виявлення захворювань в CXR мають складнощі з недостатньою кількістю учбових даних, стандартизацію зображень і з попередньою сегментацією навчального набору. Сформовані конкретні засоби розв’язання описаних проблем з якими стикаються НМ при аналізі даних. В якості рішення запропоновано використання методів глибоко навчання, а саме згорткової НМ на основі зворотного розповсюдження помилки і стохастичного градієнтного спуску з попередньою сегментацією тренувальної вибірки та застосовування трансферного навчання для категоризації хвороб на медичних зображеннях. Для реалізації поставлених завдань обрані сучасні інформаційні технології. В роботі науково узагальнені і систематизовані підходи за допомогою яких можливо проводити ідентифікацію аномалій на рентгенограмах, визначені їх переваги та недоліки.  Розроблена нова нейронна модель зі застосуванням сучасних методів Deep Learning, яка включає в себе сукупність методів доповнення, попередньої сегментації і класифікації медичних зображень. НМ сканує рентгенографію грудної клітини і класифікує зображення, до класу «Здоровий» чи «Пневмонія». Обґрунтовані отримані результати, зроблені висновки щодо ефективності НМ.  В результаті дослідження була створена НМ, яка дозволяє в автоматичному режимі класифікувати легені на здорові та хворі (вірусну або бактеріальну пневмонію). Розроблена архітектура інтелектуальної системи має можливість розпізнавати аномалії в CXR на рівні лікарів та рентгенологів й використовує середовище глибинного навчання. Отримані результати можуть показати, що застосування глибоких CNN для вирішення проблеми з рентгенологічними захворюваннями грудної клітини є багатообіцяючим способом, який дозволяє правильно класифікувати подібні або збиваючи з пантелику захворювання з хорошим рівнем розпізнавання.