ВЕСТНИК ВОРОНЕЖСКОГО ГОСУДАРСТВЕННОГО УНИВЕРСИТЕТА. СЕРИЯ: СИСТЕМНЫЙ АНАЛИЗ И ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ
Архив статей журнала
В статье предлагается метод оценки результатов детектирования и классификации объектов на медицинских изображениях, полученных по результатам компьютерной томографии внутренних органов человека нейросетью архитектуры YOLO, содержащий алгоритм и математические модели нечеткой оценки. Разработанные алгоритм и модели позволяют классифицировать объекты в зависимости от их расположения и проекции изображения, автоматизировать и сократить время диагностирования заболевания, перейти от оценки двумерных изображений к сборке и оценке трехмерных объектов, повысить точность оценки параметров объектов, снизить риски неправильных хирургических решений при планировании и проведении операций. Предложенные алгоритм и модели были реализованы в прототипе системы поддержки принятия врачебных решений в хирургии и урологии с использованием технологий компьютерного зрения в составе программных модулей по детектированию объектов и расчету параметров объектов. Представленный метод оценки результатов детектирования и классификации объектов на медицинских изображениях показал высокую эффективность.
Диагностика болезни Альцгеймера на ранней стадии развития играет существенную роль при лечении данного заболевания, поскольку определение тяжести заболевания и риска его прогрессирования позволяет провести профилактические меры своевременно, до того, как сформируются необратимые поражения головного мозга. Болезнь Альцгеймера представляет собой хроническое дегенеративное заболевание, связанное с повреждением нейронов головного мозга. Для диагностики данного заболевания наряду с другими методами используется МРТ головного мозга. Интерес представляют формализованные автоматизированные инструменты анализа МРТ, которые могут служить средством поддержки принятия решений при постановке диагноза. Эффективным механизмом разработки подобных инструментов при наличии большой обучающей выборки могут служить методы глубокого обучения, в частности методы, базирующиеся на построении сверточных нейронных сетей. Обзор исследований в данной области отражает целый ряд успешных вычислительных экспериментов по применению сверточных нейронных сетей к анализу медицинских изображений. В данной работе осуществляется попытка использовать сверточную нейронная сеть (CNN) для классификации стадии болезни Альцгеймера на основе МРТ головного мозга. Выделяются следующие основные классы (уровни заболевания): NonDementia (отсутствие деменции), VeryMildDementia (ранняя деменция), MildDementia (умеренная деменция), ModerateDementia (тяжелая деменция). Предложенная в работе модель демонстрирует хорошее качество с позиции основных метрик классификации, позволяет с большой точностью определять все стадии заболевания, причем, лучше всего определяется класс VeryMildDemented. Распознавание именно данной стадии заболевания очень важно с точки зрения подбора предупреждающего развитие болезни лечения.