Тема: Поиск аномалий на рентгеновских снимках с помощью сверточных нейронных сетей

На сегодняшний день, анализ рентгенограмм, востребован во множестве медицинских учреждений, так как он позволяет поставить достаточно точный диагноз, а также, может наглядно показать динамику развития процесса лечения. Также, при помощи автоматизации процесса обнаружения аномалий на снимках, существенная часть работы была снята со специалистов данной области, а именно - рентгенологов.
По оценке специалистов, врач-рентгенолог за день может изучить не более чем 200 рентгенограмм [2]. Это означает, что в густонаселённых районах в эффективность врач-рентгенолога падает, так как ему приходится столкнуться с большим количеством снимков. Из-за этого, снижается качество обработки информации, содержащейся в рентгенограмме.
Одним из решений данной задачи обнаружения аномалий на рентгеновских снимках являет применение сверточных нейронных сетей.
Цель ВКР: реализация нейронной сети для распознавания патологий грудной клетки.
Объект ВКР: диагностика патологий грудной клетки.
Предмет ВКР: нейросетевые алгоритмы распознавания патологий грудной клетки.
Основные задачи ВКР:
• сделать обзор предметной области;
• выбрать и подготовить набор данных для обучения;
• выбрать архитектуру нейронной сети и реализовать её;
• проанализировать результаты реализации нейронной сети.
Купить

Выпускная квалификационная работа посвящена разработке нейронной сети для обнаружения аномалий на рентгеновских снимках, а также разработке приложения, позволяющего использовать данную нейронную сеть. Целью работы являлось реализация нейронной сети для распознавания патологий грудной клетки.
Перед началом разработки нейронной сети, необходимо было определить соответствие аномалий на снимках с существующими патологиями. Для этого были изучены основные виды патологий, а также их характерные признаки.
Было установлено, что среди методов диагностики оптимальными являются флюорография и рентгенография, так как они не требуют больших временных затрат, и изображения, полученные с помощью этих методов, обладают достаточным набором информативных признаков для классификации патологий. Данные методы широко распространены, что также является весомым преимуществом.
Также, были проанализированы различные виды архитектур нейронных сетей, после чего, был выбран наиболее подходящий для выполняемой задачи вид. Сверточные нейронные сети показали себя лучше всего, при решении задач похожего типа и поэтому были выбраны для решения текущей задачи.
Для получения максимальной эффективности, были изучены различные типы функций активации. Наиболее подходящей для поставленной задачи была выбрана функция активации ReLu, так как она имеет ряд преимуществ и подходит для решения поставленной задачи.
После выбора архитектуры и функции активации, были подготовлены данные, для этапов тренировки, тестирования и валидации. Данные были получены из открытых источников и представляют собой рентгеновские снимки грудной клетки в формате png. Данный набор снимков включает в себя три вида патологий, а также снимки без патологий.
После подготовки данных, были проведены этапы тренировки и тестирования, во время которых, нейронная сеть показала достаточную точность при решении поставленной задачи.
Для использования функционала нейронной сети, был спроектирован и реализован простейшей пользовательский интерфейс, наглядно демонстрирующий работу сети. Он включает в себя две кнопки для управления процессами загрузки и анализа изображения, а также места для отображения результата анализа и загруженного для анализа снимка.
В рамках выпускной квалификационной работы все цели и задачи выполнены.
Основные патологии грудной клетки и методы их диагностики рассмотрены.
Разработанная нейронная сеть, с достаточной точностью, решает поставленные задачи, а именно: находит аномалии на рентгеновском снимке, а также увеличивает скорость анализа снимков в целом, тем самым, снимая нагрузку с врачей.
Купить