Тип работы:
Предмет:
Язык работы:


Разработка программного обеспечения для компьютерной оценки состояния межпозвоночных дисков

Работа №74742

Тип работы

Дипломные работы, ВКР

Предмет

информационные системы

Объем работы79
Год сдачи2020
Стоимость4770 руб.
ПУБЛИКУЕТСЯ ВПЕРВЫЕ
Просмотрено
240
Не подходит работа?

Узнай цену на написание


Введение 3
Анализ предметной области 7
1.1 Анатомия позвоночника 7
1.2 Анализ позвоночника с использованием компьютерного зрения 9
1.3 Методы обнаружения анатомических частей позвоночника 10
1.4 Модели формирования радиологических параметров 11
1.5 Сверточные нейросети и области их применения 13
1.6 Сверточные нейросети в обработке медицинских изображений 15
1.7 Сравнительный анализ сверточных нейросетевых архитектур 18
1.7.1 Архитектура U-Net 18
1.7.2 Архитектура PSPNet 19
1.7.3 Архитектура FPN 20
1.7.4 Архитектура Linknet 21
1.7.5 Результаты сравнительного анализа нейросетевых архитектур . 23
1.8 Сравнительный анализ существующих аналогов 23
1.8.1 Программное обеспечение RadiAnt DICOM Viewer 24
1.8.2 Информационная система Horos 25
1.8.3 Программное обеспечение Navegatium 26
1.8.4 Программное обеспечение ПОЗВОНОЧНИК 3D 26
1.8.5 Результаты сравнительного анализа аналогов 27
2 Проектирование системы 30
2.1 Назначение системы 30
2.2 Цели создания системы 30
2.3 Перечень подсистем 31
2.4 Роли пользователей и их функциональные возможности 32
2.5 Описание предметной области посредством диаграмм IDEF 33
2.6 Описание предметной области посредством диаграмм UML 37
2.7 Проектирование схемы базы данных 40
2.8 Выбор технологий разработки 41
2.9 Результаты проектирования информационной системы 45
3 Результаты разработки 46
3.1 Формирование набора данных 46
3.1.1 Набор данных Genodisc 46
3.1.2 Набор данных TwinsUK 47
3.1.3 Набор данных OSCLMRIC 49
3.1.4 Набор данных Lumbar MRI Dataset 50
3.1.5 Результаты обзора наборов данных 51
3.2 Система локализации межпозвоночных дисков 52
3.2.1 Структура работы нейросети 53
3.2.2 Извлечение информации о межпозвоночных дисках 54
3.2.3 Функция потерь 55
3.2.4 Реализация нейросети 55
3.2.5 Оценка точности работы нейросетевой модели 58
3.2.6 Разработка системы анализа межпозвоночных дисков 59
3.3 Разработка веб-приложения 60
Заключение 65
Список использованных источников 66
Приложения 70


Боль в спине - одна из самых часто встречающихся проблем со здоровьем в мире. Согласно данным Росдравнадзора распространенность проблемы в Российской Федерации составляет около 60%. Каждый шестой человек в России, вероятно, имеет патологии, связанные с болью в спине. Несмотря на часто встречающиеся отклонения, чаще всего, этимология заболеваний остается загадкой [2]. У 85% пациентов с болями в спине не может быть диагностирована конкретная патология. Для данной преобладающей группы диагностируется неспецифическая боль в спине.
В настоящее время одной из наиболее распространенных областей исследований изучения данной проблемы являются средства, основанные на радиологических методах анализа [1]. Существует два основных метода визуализации в рамках радиологических исследований: магнитно¬резонансная томография (МРТ) и компьютерная томография (КТ). МРТ наиболее популярен из-за того, что это единственная официально признанная методика диагностики, поэтому именно этот метод визуализации чаще всего применяется в клиниках [5]. Рентгенологический анализ позвоночника с применением МРТ, как правило, является индивидуально анатомически специфичным, что является основным преимуществом данного метода. При этом наиболее популярными объектами исследований являются межпозвоночные диски (фиброзно¬хрящевое образование между телами двух соседних позвонков позвоночника). Существует несколько мер и установленных шкал оценок, созданных для измерения уровней дегенерации диска (шкалы уникальные для метода МРТ). Результаты анализов уровней вырождения дисков, которые составляют врачи-рентгенологи, часто прилагаются в истории болезней пациентов. [16]
Однако до сих пор нет официально подтвержденных исследований, связывающих между собой боли в спине и какие-либо из многочисленных оценок разных радиологических шкал [4]. Одни исследования показывают, что результативные оценки могут отображать процесс дегенерации дисков в связи со старением пациента, и в свою очередь никак не связаны с болью в спине. В свою очередь другие исследования показали, что оценки вырождения межпозвоночных дисков на основе МРТ являются наиболее вероятным прогнозом спинных болей. Существует основное различие между этими исследованиями. В работах, где отрицается связь между радиологическими оценками и наличием патологий, не определяются многие параметры. Например: дефекты, которые можно увидеть в концевой пластине позвонка, также не определяется наличие грыж Шморля, не учитываются возможные переломы позвоночника и т.п [27]. Поэтому данный вид исследований будем считать неполным.
Основной проблемой изучения снимков МРТ позвоночника является наличие межреберной линии, которая позволяет отличать деформированные и здоровые межпозвоночные диски. Это приводит к разности в показаниях одного и того же снимка. Проводилось исследование, когда один пациент был направлен на обследование в 10 поликлиник (с безопасным для здоровья обследуемого интервалом, естественно). Было обнаружено, что согласование между 10 различными радиологическими исследованиями практически отсутствовало. В связи с этим, было решено сопровождать радиологические параметры оценкой достоверности [8]. Данная мера необходима для обеспечения надежности при постановлении диагноза. Для каждого радиологического параметра существует свой доверительный диапазон соответственно.
Вторая проблема - это изменчивость изображений. Снимки МРТ, снятые с разных аппаратов не обладают одинаковыми характеристиками. Это приводит к разнице в проекциях снимков, разному расстоянию между пикселями и т.п. Эти отличия могут привести к постановке неправильного диагноза. Например, снимок МРТ с помощью одного аппарата может показать наличие деформации верхних границ межпозвоночных дисков [9]. Хотя нет никакой гарантии, что данное отклонение будет присутствовать при сканировании другим аппаратом МРТ. Разрабатываемая модель, которая должна прогнозировать патологии пациента, должна быть устойчивой к подобному рода изменениям.
Разрабатываемое программное обеспечение необходимо для автоматизации задач врача-рентгенолога. Оценки, которые будут производиться системой, инвариантны к внешним факторам. Кроме того, автоматизированная система должна иметь возможность поддерживать принятие клинических решений. Постановка окончательного диагноза принимается врачом-рентгенологом. Но в связи с тем, что система может применяться за пределами отделения радиологии, например, в отделении кардиологии и неврологии, становится все более важным дополнять количественные радиологические показания объективными
качественными оценками. В дополнении к количественному результату отчет будет более полным, так как вместо малопонятных радиологических параметров будут присутствовать доступные другим специалистам показатели о наличии патологий у пациентов.
Целью выпускной квалификационной работы является автоматизация процесса сегментации и анализа снимков МРТ поясничного отдела позвоночника. Для достижения поставленной цели ставятся такие задачи как: разработка системы, в которой будут храниться и обрабатываться необходимые данные о пациентах и их обследованиях; создание алгоритма для локализации и последующего анализа межпозвоночных дисков на снимках МРТ поясничного отдела позвоночника, а также вывода серии количественных радиологических параметров.


Возникли сложности?

Нужна помощь преподавателя?

Помощь студентам в написании работ!


В результате проделанной работы было создано веб-приложение для сегментации и анализа изображений МРТ позвоночника поясничного отдела. Был реализован интерфейс загрузки изображения МРТ, процесс сегментации снимка, анализ основных параметров межпозвоночных дисков, а также процесс построения разностных функций для определения грыж Шморля. Также была реализована функциональность панели администратора, отвечающая за управление основными сущностями системы. Были выполнены все конфигурации для настройки программного обеспечения и размещения его в системе контроля версий. Данное приложение будет использоваться для автоматизации работы врача рентгенолога. Ранее снимки рассматривались врачами вручную. Разработанное программное обеспечение позволит ускорить процесс диагностики, повысить точность постановления диагноза. Для получения наиболее полных знаний в области разработки медицинского программного обеспечения в области распознавания изображений был прослушан теоретический курс лекций по компьютерной обработке изображений, а также курс по проектированию сверточных нейронных сетей.
Поставленные цели в главе 1, а также основные требования к проектируемой системе, составленные во 2 главе, были выполнены и реализованы.



1. Абрамова, Т.А., Нейроиммунологическая характеристика больных ревматоидным артритом / Татьяна Абрамова und Сергей Абрамов. - М.: Palmarium Academic Publishing, 2012. - 220 c.
2. Антонов, И. П. Поясничные боли / И.П. Антонов, Г.Г. Шанько. - М.: Беларусь, 2016. - 144 c.
3. Арлоу, Джим UML 2 и Унифицированный процесс. Практический объектно-ориентированный анализ и проектирование / Джим Арлоу , Айла Нейштадт. - М.: Символ-плюс, 2019. - 624 c.
4. Басиева, О. О. Ревматоидный артрит / О.О. Басиева. - М.: Феникс, 2017. - 192 c.
5. Бердяев, А. Ф. Болезни и повреждения суставов и костей / А.Ф. Бердяев. - М.: Государственное издательство медицинской литературы, 2015. - 244 c.
6. Васильев, А. Н. Принципы и техника нейросетевого моделирования / А.Н. Васильев, Д.А. Тархов. - Москва: РГГУ, 2018. - 218 c.
7. Гелиг, А. Х. Введение в математическую теорию обучаемых распознающих систем и нейронных сетей. Учебное пособие / А.Х. Гелиг, А.С. Матвеев. - М.: Издательство СПбГУ, 2018. - 224 c.
8. Давид, М. Рэйд Справочник по остеопорозу / Давид М. Рэйд. - М.: Практическая медицина, 2015. - 128 c.
9. Заболотных, И. И. Болезни суставов / И.И. Заболотных. - М.: СпецЛит, 2016. - 256 c.
10. Иванов Д.И., Частные феномены системного воспаления при спондилоартритах / Иванов Дмитрий, Евгений Гусев, Людмила Соколова. - М.: LAP Lambert Academic Publishing, 2015. - 192 c.
11. Йордон, Эдвард Объектно-ориентированный анализ и проектирование систем / Эдвард Йордон , Карл Аргила. - М.: ЛОРИ, 2020. - 264 с.
12. Кватрани, Терри Визуальное моделирование с помощью Rational Rose 2002 и UML / Терри Кватрани. - М.: Вильямс, 2015. - 192 с.
13. Киммел, Пол UML. Основы визуального анализа и проектирования / Пол Киммел. - М.: НТ Пресс, 2018. - 272 с.
14. Круглов, В. В. Искусственные нейронные сети. Теория и практика / В.В. Круглов, В.В. Борисов. - М.: Горячая линия - Телеком, 2019. - 382 с.
15. Латыпова, Рамиля Нейронные сети / Рамиля Латыпова. - М.: LAP Lambert Academic Publishing, 2015. - 217 с.
16. Лечение и профилактика болезней суставов / В.И. Мазуров и др. - М.: Диалект, 2015. - 322 с.
17. Любанович, Билл Простой Python. Современный стиль программирования / Билл Любанович. - М.: Питер, 2016. - 480 с.
18. Мюллер, Роберт Дж. Проектирование баз данных и UML / Мюллер Роберт Дж.. - М.: ЛОРИ, 2017. - 749 с.
19. Носков, Сергей Михайлович Консервативное лечение остеоартроза / Носков Сергей Михайлович. - М.: ГЭОТАР-Медиа, 2016 . - 484 с.
20. Окороков, А. Н. Руководство по лечению внутренних болезней.
Том 4. Лечение ревматических болезней / А.Н. Окороков. - М.:
Медицинская литература, 2016. - 494 с.
21. Олескин, А. В. Сетевые структуры в биосистемах и человеческом обществе / А.В. Олескин. - М.: Едиториал УРСС, Либроком, 2018. - 304 с.
22. Рамешвили, Т.Е. Дегенеративно-дистрофические поражения позвоночника (лучевая диагностика, осложнения после дисэктомии) / Т.Е. Рамешвили и др. - М.: ЭЛБИ-СПб, 2016. - 224 с.
23. Раскина, Т.А. Проблема остеопороза у мужчин с ревматоидным артритом / Татьяна Алексеевна Раскина, Ирина Степановна Дыдыкина, Марина Васильевна Летаева. - М.: LAP Lambert Academic Publishing, 2015. - 112 c.
24. Редько, В.Г. Эволюция, нейронные сети, интеллект: Модели и концепции эволюционной кибернетики / В.Г. Редько. - Москва: ИЛ, 2017. - 224 c.
25. Рутковская, Д. Нейронные сети, генетические алгоритмы и нечеткие системы / Д. Рутковская, М. Пилиньский, Л. Рутковский. - М.: Горячая линия - Телеком, 2016. - 384 c.
26. Рышард, Тадеусевич Элементарное введение в технологию нейронных сетей с примерами программ / Тадеусевич Рышард. - М.: Горячая линия - Телеком, 2015. - 541 c.
27. Сигидин, Я. А. Биологическая терапия в ревматологии / Я.А. Сигидин, Г.В. Лукина. - М.: Практическая медицина, 2015. - 304 c.
28. Таганов, Александр Иванович Нейросетевые системы искусственного интеллекта в задачах обработки изображений / Таганов Александр Иванович. - М.: Горячая линия - Телеком, 2016. - 533 c.
29. Тархов, Д.А. Нейросетевые модели и алгоритмы. Справочник / Д.А. Тархов. - М.: Радиотехника, 2014. - 726 с.
30. Хайкин, Саймон Нейронные сети. Полный курс / Саймон Хайкин. - М.: Вильямс, 2016. - 162 с.
31. Шайдуров, Александр Нейросетевой анализ медицинских данных / Александр Шайдуров. - М.: LAP Lambert Academic Publishing, 2016. - 140 с.
32. Шилин, Кирилл Юрьевич Макропроектирование компьютерных распределенных систем / Шилин Кирилл Юрьевич. - М.: Дело, 2016. - 517 c.


Работу высылаем на протяжении 30 минут после оплаты.




©2024 Cервис помощи студентам в выполнении работ