📄Работа №193148
Тема: Использование глубокого обучения для локализации трахеи и главных бронхов на КТ снимках
Характеристики работы
Тип работы
Магистерская диссертация
Предмет
Инвестиции
Объем:
58 листов
Год:
2020
Просмотров:
57
5580
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
РЕФЕРАТ 2
ВВЕДЕНИЕ 4
1 Обзор существующих метод для сегментации изображений 7
1.1 Нейронные сети в медицине 8
1.2 Классические методы ceгмeнтaции 10
1.2.1 Алгоритм ceгмeнтaции по водорaздeлaм (WaterShed) 10
1.2.2 Алгоритм сегментации MeanShift 11
1.2.3 Алгоритм сегментации GrabCut 13
1.3 Сегментация с помощью машинного обучения 14
1.3.1 SegNet 14
1.3.2 Условные случайные поля 15
1.3.3 Полносверточная сеть (FCN) 17
1.3.4 U-Net 18
2 Предварительная обработка данных 20
2.1 Создание маски 20
2.2 Аугментация изображений 21
2.3 Применения двоичного порогового значения к входному изображению 24
2.4 Разработка модели 26
2.5 Архитектура сверточной нейронной сети 28
2.6 Определение потерь, метрик, функций активации и оптимизатора 35
3 Экcпeримeнтaльныe иccлeдовaния 39
3.1 Хaрaктeриcтикa входных дaнных 40
3.2 Результаты исследований 40
3.2.1 Визуализация потерь при обучении и валидации 41
3.2.2 Примeры рeзультaтов модeли 46
ЗАКЛЮЧЕНИЕ 49
CПИСОК ЛИТЕРАТУРЫ 50
ВВЕДЕНИЕ 4
1 Обзор существующих метод для сегментации изображений 7
1.1 Нейронные сети в медицине 8
1.2 Классические методы ceгмeнтaции 10
1.2.1 Алгоритм ceгмeнтaции по водорaздeлaм (WaterShed) 10
1.2.2 Алгоритм сегментации MeanShift 11
1.2.3 Алгоритм сегментации GrabCut 13
1.3 Сегментация с помощью машинного обучения 14
1.3.1 SegNet 14
1.3.2 Условные случайные поля 15
1.3.3 Полносверточная сеть (FCN) 17
1.3.4 U-Net 18
2 Предварительная обработка данных 20
2.1 Создание маски 20
2.2 Аугментация изображений 21
2.3 Применения двоичного порогового значения к входному изображению 24
2.4 Разработка модели 26
2.5 Архитектура сверточной нейронной сети 28
2.6 Определение потерь, метрик, функций активации и оптимизатора 35
3 Экcпeримeнтaльныe иccлeдовaния 39
3.1 Хaрaктeриcтикa входных дaнных 40
3.2 Результаты исследований 40
3.2.1 Визуализация потерь при обучении и валидации 41
3.2.2 Примeры рeзультaтов модeли 46
ЗАКЛЮЧЕНИЕ 49
CПИСОК ЛИТЕРАТУРЫ 50
📖 Введение
Для здоровья человека важной проблемой является диагностирование заболеваний связанные с органами дыхания. Различные болезни легких довольно часто встречаются в повседневной жизни. Большая часть классифицируемых патологий имеет тяжелые симптомы острого заболевания легких у человека и при неправильном лечении может привести к плохим последствиям.
Даже опытным специалистам часто тяжело поставить точный диагноз. Что бы получить более точные сведения о заболевании и ускорить обследования используют компьютерные технологии. Внедрение компьютерных технологий, а именно нейронных сетей, в медицину обеспечивает высокую скорость и точность проведения различных исследований.
Нейронные сети моделируют работу, протекающую в мозге, и могут обучаться и исправлять ошибки[3]. Это позволяет применять нейронные сети в различных задачах, например, распознавание образов, классификация, прогнозирование, оптимизация и анализ данных. Нейронная сеть позволяет хранить важную информацию и находить закономерности в образах.
Для постановки верного диагноза и назначения адекватного лечения необходимо провести диагностику заболеваний легких. Диагностика заболеваний легких включает ряд специфических инструментальных способов обследования дыхательных органов.
Диагностика заболеваний легких проводится большим количеством способом. Стоит отметить основные диагностические процедуры [4]:
• Рентгенологические
• Магнитно-резонансная томография
• Позитронно-эмиссионная томография
• Бронхоскопия
• Компьютерная томография
Хронические респираторные заболевания являются хроническими
заболеваниями дыхательных путей и других легочных структур. Одними из самых распространенных из них являются астма, хроническая обструктивная болезнь легких, профессиональные заболевания легких и легочная гипертензия.
Сотни миллионов человек ежедневно страдают от хронических респираторных заболеваний [5]. 235 миллионов людей в мире страдают от астмы.
Почти 90% случаев смерти от ХОБЛ происходит в странах с низким и средним уровнем дохода. 65 миллионов людей болеют ХОБЛ в умеренной или тяжелой форме. Согласно оценкам ВОЗ, в 2016 г. в мире от астмы умерло 417 918 человек, а число утраченных лет здоровой жизни в связи с этой болезнью составило 24,8 миллиона.
В данной работе рассматривается проблема эффективной и быстрой обработки радиологических изображений.
Предметом исследования являются модели распознавания медицинских изображений.
Объектом данной выпускной квалификационной работы является метод локализация трахеи и главных бронхов на снимках компьютерной томографии пациентов, формата DICOM, с применением сегментации.
Целью работы является повышение качества работы медицинского специалиста, обрабатывающего радиологические изображения с помощью разработки модели локализации бронхов и трахеи по данным компьютерной томографии.
Для достижения установленной цели были поставлены и решены следующие задачи:
1. Изучение научной литературы и статей, посвященных методам сегментации медицинских изображений.
2. Исследование и выбор наиболее эффективных методов сегментации.
3. Подготовка данных для и проектирование алгоритма, позволяющего выделять нужную область на КТ изображениях.
4. Провести эксперименты, сравнить качество модели и ее результатов.
Научная новизна диссертационной работы состоит в следующем:
• Разработана модель локализации трахеи и бронхов снимков кт легких
• Разработан алгоритм предварительной обработки данных с помощью
аугментации и применения двоичного порогового значения для
изображение масок.
Практическая значимость исследования: разработанный алгоритм сегментации изображения для локализации позволит повысить эффективность обнаружения трахеи и бронхов на снимках компьютерной томографии.
Основная часть магистерской диссертации состоит из трех разделов: в первом разделе рассматривается обзор литературы по тематике исследований; во втором разделе располагается обзор различных методов и алгоритмов сегментации изображения, а также описание предложенных в рамках исследования алгоритмов; в третьем разделе описываются экспериментальные исследования, проведенные с целью оценки эффективности предложенных алгоритмов для повышения качества.
Даже опытным специалистам часто тяжело поставить точный диагноз. Что бы получить более точные сведения о заболевании и ускорить обследования используют компьютерные технологии. Внедрение компьютерных технологий, а именно нейронных сетей, в медицину обеспечивает высокую скорость и точность проведения различных исследований.
Нейронные сети моделируют работу, протекающую в мозге, и могут обучаться и исправлять ошибки[3]. Это позволяет применять нейронные сети в различных задачах, например, распознавание образов, классификация, прогнозирование, оптимизация и анализ данных. Нейронная сеть позволяет хранить важную информацию и находить закономерности в образах.
Для постановки верного диагноза и назначения адекватного лечения необходимо провести диагностику заболеваний легких. Диагностика заболеваний легких включает ряд специфических инструментальных способов обследования дыхательных органов.
Диагностика заболеваний легких проводится большим количеством способом. Стоит отметить основные диагностические процедуры [4]:
• Рентгенологические
• Магнитно-резонансная томография
• Позитронно-эмиссионная томография
• Бронхоскопия
• Компьютерная томография
Хронические респираторные заболевания являются хроническими
заболеваниями дыхательных путей и других легочных структур. Одними из самых распространенных из них являются астма, хроническая обструктивная болезнь легких, профессиональные заболевания легких и легочная гипертензия.
Сотни миллионов человек ежедневно страдают от хронических респираторных заболеваний [5]. 235 миллионов людей в мире страдают от астмы.
Почти 90% случаев смерти от ХОБЛ происходит в странах с низким и средним уровнем дохода. 65 миллионов людей болеют ХОБЛ в умеренной или тяжелой форме. Согласно оценкам ВОЗ, в 2016 г. в мире от астмы умерло 417 918 человек, а число утраченных лет здоровой жизни в связи с этой болезнью составило 24,8 миллиона.
В данной работе рассматривается проблема эффективной и быстрой обработки радиологических изображений.
Предметом исследования являются модели распознавания медицинских изображений.
Объектом данной выпускной квалификационной работы является метод локализация трахеи и главных бронхов на снимках компьютерной томографии пациентов, формата DICOM, с применением сегментации.
Целью работы является повышение качества работы медицинского специалиста, обрабатывающего радиологические изображения с помощью разработки модели локализации бронхов и трахеи по данным компьютерной томографии.
Для достижения установленной цели были поставлены и решены следующие задачи:
1. Изучение научной литературы и статей, посвященных методам сегментации медицинских изображений.
2. Исследование и выбор наиболее эффективных методов сегментации.
3. Подготовка данных для и проектирование алгоритма, позволяющего выделять нужную область на КТ изображениях.
4. Провести эксперименты, сравнить качество модели и ее результатов.
Научная новизна диссертационной работы состоит в следующем:
• Разработана модель локализации трахеи и бронхов снимков кт легких
• Разработан алгоритм предварительной обработки данных с помощью
аугментации и применения двоичного порогового значения для
изображение масок.
Практическая значимость исследования: разработанный алгоритм сегментации изображения для локализации позволит повысить эффективность обнаружения трахеи и бронхов на снимках компьютерной томографии.
Основная часть магистерской диссертации состоит из трех разделов: в первом разделе рассматривается обзор литературы по тематике исследований; во втором разделе располагается обзор различных методов и алгоритмов сегментации изображения, а также описание предложенных в рамках исследования алгоритмов; в третьем разделе описываются экспериментальные исследования, проведенные с целью оценки эффективности предложенных алгоритмов для повышения качества.
✅ Заключение
Основным научным результатом диссертации является разработка и исследование методов и алгоритмов, основанных на компьютерном зрении, предназначенных для сегментации изображений, представляющих интерес объектов (трахеи и бронхов). Полученные результаты имеют как теоретическое, так и прикладное значение.
В рамках выпускной квалификационной работы все цели и задачи выполнены.
Основными результатами работы являются:
• Изучены различные методы сегментации изображений, получены навыки разработки сверточных нейронных сетей.
• Были рассмотрены различные алгоритмы и структуры, используемые при работе с картинками.
• Проведено комплексное исследование на реальных данных, реализован выбранный метод для локализации трахеи и бронхов на снимках кт.
• Для разработанной модели были протестированы различные параметры и выбран наилучший из них.
• Экспериментальным путём получено высокое качество локализации, позволяющее применить данный алгоритм в медицинской практике в будущем.
В рамках выпускной квалификационной работы все цели и задачи выполнены.
Основными результатами работы являются:
• Изучены различные методы сегментации изображений, получены навыки разработки сверточных нейронных сетей.
• Были рассмотрены различные алгоритмы и структуры, используемые при работе с картинками.
• Проведено комплексное исследование на реальных данных, реализован выбранный метод для локализации трахеи и бронхов на снимках кт.
• Для разработанной модели были протестированы различные параметры и выбран наилучший из них.
• Экспериментальным путём получено высокое качество локализации, позволяющее применить данный алгоритм в медицинской практике в будущем.
ИЛИ
Поиск аналога
📕 Список литературы
🖼 Скриншоты
🛒 Оформить заказ
⚡ Работу высылаем в течении 5 минут после оплаты.