📄Работа №115734
Тема: Реализация сверточной нейронной сети для дифференциации затемнений на снимках рентгенограмм
Тип работы
Бакалаврская работа
Предмет
Математика
Объем:
43 листов
Год:
2020
Просмотров:
245
4700
руб.
🛒 Купить работу
Не подходит эта работа?
Закажите новую по вашим требованиям
Узнать цену на написание
Закажите новую по вашим требованиям
Представленный материал является образцом учебного исследования, примером структуры и содержания учебного исследования по заявленной теме. Размещён исключительно в информационных и ознакомительных целях.
Workspay.ru оказывает информационные услуги по сбору, обработке и структурированию материалов в соответствии с требованиями заказчика.
Размещение материала не означает публикацию произведения впервые и не предполагает передачу исключительных авторских прав третьим лицам.
Материал не предназначен для дословной сдачи в образовательные организации и требует самостоятельной переработки с соблюдением законодательства Российской Федерации об авторском праве и принципов академической добросовестности.
Авторские права на исходные материалы принадлежат их законным правообладателям. В случае возникновения вопросов, связанных с размещённым материалом, просим направить обращение через форму обратной связи.
Настоящий учебно-методический информационный материал размещён в ознакомительных и исследовательских целях и представляет собой пример учебного исследования. Не является готовым научным трудом и требует самостоятельной переработки.
📋 Содержание
ВВЕДЕНИЕ. 5
1. Анализ способов дифференциации затемнений рентгенограммы . 6
1.1 Анализ снимка рентгенологом. 6
1.2 Методы исследования дыхательных путей. 7
1.3 Автоматизированная классификация изображений. 8
1.4 Анализ нейросетевого подхода . 10
2. Разработка алгоритма дифференциации. 22
2.1 Выбор технических средств 22
2.2 Сравнение архитектур для классификации. 26
2.3 Анализ датасета 32
3. Обучение нейронных сетей и тестирование моделей 34
3.1 Обучение нейронной сети для классификации . 34
3.2 Выделение области интереса. 36
ЗАКЛЮЧЕНИЕ 39
СПИСОК ИСПОЛЬЗУЕМОЙ ЛИТЕРАТУРЫ. 40
1. Анализ способов дифференциации затемнений рентгенограммы . 6
1.1 Анализ снимка рентгенологом. 6
1.2 Методы исследования дыхательных путей. 7
1.3 Автоматизированная классификация изображений. 8
1.4 Анализ нейросетевого подхода . 10
2. Разработка алгоритма дифференциации. 22
2.1 Выбор технических средств 22
2.2 Сравнение архитектур для классификации. 26
2.3 Анализ датасета 32
3. Обучение нейронных сетей и тестирование моделей 34
3.1 Обучение нейронной сети для классификации . 34
3.2 Выделение области интереса. 36
ЗАКЛЮЧЕНИЕ 39
СПИСОК ИСПОЛЬЗУЕМОЙ ЛИТЕРАТУРЫ. 40
📖 Введение
Аннотация. Введение.
Заболевания легких являются одной из самых больших угроз для здоровья человека. По данным Европейской Белой Книги по заболеваниям легких [1], из-за них происходит каждая шестая смерть во всем мире, а в России на каждые 100000 человек приходится около 90 человек с патологиями легких. Эти патологии приводят к инвалидности и даже могут стать причиной смерти, что влечет за собой огромные затраты на первую помощь, госпитализацию и лекарства. Кроме этого, огромный ущерб наносит потеря людьми трудоспособности и преждевременные смерти в результате болезни.
Цифровая рентгенография является одним из первых и основных вариантов диагностики различных заболеваний. Рентгенограммы позволяют увидеть даже самые незначительные изменения и не только выявить патологию на ранних стадиях, но и поставить точный диагноз заболевания. Именно поэтому рентгенографическое исследование широко распространено по всему миру и остается приоритетным в медицинской практике даже в хорошо оснащенных клиниках и медицинских центрах. Однако работа с рентгеновскими снимками - это постоянная работа с однородными изображениями, поэтому на стадии постановки диагноза есть вероятность, что болезнь может быть не замечена врачом. В связи с тем, что планово рентген делают лишь раз в год, незамеченная болезнь на ранней стадии может сильно спрогрессировать до следующего обследования.
Чтобы снизить влияние человеческого фактора при анализе снимков и обнаружить как можно большее количество патологических процессов необходимо создать вспомогательный инструмент «Второй глаз», выступающий в роле интерна просматривающего снимки для выявления патологии и выделения области требующей внимания. Таким инструментом может стать ПО со сверточной нейронной сетью, способной выполнять поставленные задачи без вмешательства со стороны. Особенно востребован такой инструмент будет при проведении массового обследования.
Заболевания легких являются одной из самых больших угроз для здоровья человека. По данным Европейской Белой Книги по заболеваниям легких [1], из-за них происходит каждая шестая смерть во всем мире, а в России на каждые 100000 человек приходится около 90 человек с патологиями легких. Эти патологии приводят к инвалидности и даже могут стать причиной смерти, что влечет за собой огромные затраты на первую помощь, госпитализацию и лекарства. Кроме этого, огромный ущерб наносит потеря людьми трудоспособности и преждевременные смерти в результате болезни.
Цифровая рентгенография является одним из первых и основных вариантов диагностики различных заболеваний. Рентгенограммы позволяют увидеть даже самые незначительные изменения и не только выявить патологию на ранних стадиях, но и поставить точный диагноз заболевания. Именно поэтому рентгенографическое исследование широко распространено по всему миру и остается приоритетным в медицинской практике даже в хорошо оснащенных клиниках и медицинских центрах. Однако работа с рентгеновскими снимками - это постоянная работа с однородными изображениями, поэтому на стадии постановки диагноза есть вероятность, что болезнь может быть не замечена врачом. В связи с тем, что планово рентген делают лишь раз в год, незамеченная болезнь на ранней стадии может сильно спрогрессировать до следующего обследования.
Чтобы снизить влияние человеческого фактора при анализе снимков и обнаружить как можно большее количество патологических процессов необходимо создать вспомогательный инструмент «Второй глаз», выступающий в роле интерна просматривающего снимки для выявления патологии и выделения области требующей внимания. Таким инструментом может стать ПО со сверточной нейронной сетью, способной выполнять поставленные задачи без вмешательства со стороны. Особенно востребован такой инструмент будет при проведении массового обследования.
✅ Заключение
Целью выпускной квалификационной работы являлась повышение степени автоматизации в анализе рентгенограммы и разработка приложения для этого. Создание данного приложения позволяет классифицировать рентгеновские снимки груди по патологиям на 14 классов. На основе анализа установлено, что задачу распознавания можно успешно решить с помощью сверточных нейронных сетей, которые обладают рядом преимуществ для работы с изображениями.
В рамках данной выпускной квалификационной работы были достигнуты следующие результаты:
1. произведен анализ работы рентгенолога и методов, которые он использует в работе, выявлены проблемы и предложено их решение, а именно использование нейросетевого подхода;
2. были исследованы основные методы систем распознавания и архитектуры нейронных сетей;
3. выбран и подготовлен подходящий набор данных для обучения;
4. для обучения был разработан соответствующий алгоритм, выбраны наиболее подходящие архитектуры нейронных сетей для задачи;
5. проведены эксперименты посредством обучения нейросетей на данных, по результатам которых была обучена модель сверточной нейронной сети построенная по архитектуре DenseNet201 и показавшая наилучшие результаты классификации при анализе рентгенограммы , а именно точность порядка 0.827 по AUC при классификации по 14 патологиям грудной клетки;
6. был реализован метод Grad-CAM позволяющий локализовать патологии если таковые имеются.
Разработанная сеть может быть использована специалистами для уменьшения вероятности пропуска патологии за счет концентрирования их внимания на определенной области с предположением о находящейся там патологии.
В рамках данной выпускной квалификационной работы были достигнуты следующие результаты:
1. произведен анализ работы рентгенолога и методов, которые он использует в работе, выявлены проблемы и предложено их решение, а именно использование нейросетевого подхода;
2. были исследованы основные методы систем распознавания и архитектуры нейронных сетей;
3. выбран и подготовлен подходящий набор данных для обучения;
4. для обучения был разработан соответствующий алгоритм, выбраны наиболее подходящие архитектуры нейронных сетей для задачи;
5. проведены эксперименты посредством обучения нейросетей на данных, по результатам которых была обучена модель сверточной нейронной сети построенная по архитектуре DenseNet201 и показавшая наилучшие результаты классификации при анализе рентгенограммы , а именно точность порядка 0.827 по AUC при классификации по 14 патологиям грудной клетки;
6. был реализован метод Grad-CAM позволяющий локализовать патологии если таковые имеются.
Разработанная сеть может быть использована специалистами для уменьшения вероятности пропуска патологии за счет концентрирования их внимания на определенной области с предположением о находящейся там патологии.
ИЛИ
Поиск аналога
📕 Список литературы
🖼 Скриншоты
🛒 Оформить заказ
⚡ Работу высылаем в течении 5 минут после оплаты.