ВВЕДЕНИЕ 3
Глава 1. Обработка данных с использованием систем искусственного интеллекта 6
1.1 Системы искусственного интеллекта 6
1.2 Применение машинного обучения для анализа и обработки
изображений 10
1.3 Применение глубокого обучения для анализа и обработки
изображений 19
1.3 Использование глубокого обучения в медицине 31
1.4 Выводы по разделу 35
Глава 2. Разработка алгоритмов с использованием систем искусственного
интеллекта для обнаружения патологий по рентгеновским изображения органов грудной полости 36
2.1. R-CNN 38
2.2. Fast R-CNN 41
2.3. Faster R-CNN 43
2.4. Mask R-CNN 46
2.5. Feature Pyramid Networks 50
2.6 Конкурс на Kaggle 52
Глава 3. Проведение экспериментов для обнаружения пневмонии по рентгеновским изображениям органов грудной полости 54
3.1 Параметры настройки Mask-R-CNN: 55
3.2. Блоки экспериментов и результаты по ним 56
3.3. Наилучшие результаты 60
Заключение 62
Список литературы
В настоящее время в мире, в особенности в индустриально развитых странах, прогрессируют заболевания органов дыхательной системы. Они занимают лидирующую позицию в Российской Федерации и во всемирной структуре заболеваемости, а среди причин смертности - третье место.Поэтому для профилактики и успешного лечения заболеваний легких необходима своевременная диагностика.
Выбор темы диссертации обуславливается сложившейся проблемой, описанной выше. Для автоматизации процесса диагностики патологий органов грудной полости были разработаны алгоритмы машинного обучения, обеспечивающие возможность более глубокого понимания патологических состояний и разработку в дальнейшем более совершенных методов лечения.
Объект исследования - система обнаружения патологий по
рентгеновским изображениям органов грудной полости по данным RSNA (Радиологическое общество Северной Америки).
Предмет исследования - автоматизация процесса диагностики патологических изменений органов грудной полости по данным рентгеновских изображений.
Целью работы является автоматизация процесса обнаружения патологий по рентгеновским изображениям органов грудной полости с использованием алгоритмов машинного обучения.
Для достижения цели поставленной в данной работе были определены следующие задачи:
- изучить системы искусственного интеллекта;
- рассмотреть основные алгоритмы машинного обучения и глубокого обучения, сферу их использования в медицине;
- изучить патологии органов грудной полости, в частности, пневмонии и ее последствий;
- разработать алгоритм на основе сверточной нейронной сети Mask-R- CNN для обнаружения патологий по рентгеновским изображениям органов грудной полости;
- оценить результативность и эффективность создания проекта.
Структура магистерской диссертации представлена введением, тремя
разделами, заключением и списком использованной литературы.
Используемые методы исследования
- анализ литературы и нормативно-правовых документов по теме исследования;
- изучение и обобщение сведений;
- сравнение явлений и качеств;
- моделирование (получение информации о предмете через созданную модель;
- измерение (получение количественных данных).
Степень разработанности темы
Проблема анализа и обработки изображений с помощью машинного и глубокого обучения является довольно разработанной и освещалась ранее в научных работах многих известных специалистов. Но данные работы не применялись для решения частного случая, а именно для обнаружения патологий по рентгеновским изображениям органов грудной полости. Потенциал сверточных нейронных сетей до конца не раскрыт и используется едва ли наполовину. Исследования в этой области могут помочь создать высокоточные системы компьютерного зрения.
Основные пункты научной/методологической новизны диссертации
В ходе написания магистерской диссертации был проведен анализ литературы и нормативно-справочной документации, по результатам исследования был разработан алгоритм на основе сверточной нейронной сети
Mask-R-CNN для обнаружения пневмонии по рентгеновским изображениям органов грудной полости.
Практическая значимость исследования
В ходе создания данного проекта был разработан алгоритм для обнаружения пневмонии по рентгеновским изображениям органов грудной полости и отображения вероятности патологии. Разработка алгоритма, безусловно, полезна для медицины и науки для выявления патологических изменений в легких и диагностики заболеваний
Эмпирическая база
При написании магистерской диссертации были учтены результаты собственных исследований, исследований других авторов, нормативные документы и иные источники.
Структура диссертации
Диссертация состоит из введения, трех глав, заключения, списка литературы.
В первой главе рассматривается обработка данных с использованием систем искусственного интеллекта, в частности, машинного и глубокого обучения.
Вторая глава посвящена истории развития сверточной нейронной сети Mask R-CNN, ее архитектуре и схеме работы.
В третьей главе был разработан алгоритм на основе Mask R-CNN для обнаружения пневмонии на рентгеновских изображениях органов грудной полости.
В качестве теоретической базы были использованы статьи и учебные пособия отечественных и зарубежных авторов.
В процессе выполнения работы были использованы следующие инструменты: Python 3, Google Colab, MS Excel, MS Word.
В заключении диссертации отмечу, что было предоставлено описание патологий органов грудной полости, в частности пневмонии. Были отмечены причины, последствия данной патологии. Был описан алгоритм сверточной нейронной сети Mask R-CNN, который был применен для обнаружения пневмонии. В практической части был разработан алгоритм на основе Mask R- CNN, с помощью которого были проведены эксперименты. Эксперименты показали, что разработанный алгоритм позволяет обнаружить пневмонию на снимках грудной полости с вероятностью более чем 90% на тестовой выборке.
Помощь студентам и аспирантам в выполнении работ от наших партнеров
