Нейросетевые методы распознавания пневмоний на медицинских изображениях
Аннотация
Овакимян Артак Арменович “Нейросетевые методы распознавания пневмоний на медицинских изображениях”, выпускная квалификационная работа бакалавра: 42 страницы, 13 рисунков, 5 таблиц, 26 использованных источников.
Ключевые слова: СВЁРТОЧНЫЕ НЕЙРОННЫЕ СЕТИ, ОБРАБОТКА ИЗОБРАЖЕНИЙ, МАШИННОЕ ОБУЧЕНИЕ, ПНЕВМОНИЯ.
Целью работы является исследование нейросетевых методов решения задачи классификации рентгеновских изображений грудной клетки по наличию у пациентов пневмонии. В работе рассмотрены различные подходы к решению данной задачи, выбраны различные готовые архитектуры построения свёрточных нейронных сетей и построены нейросетевые модели. Было проведено обучение с использование техник трансферного обучения (transfer learning) и дообучения (fine-tuning). Был проведён анализ результатов работы различных моделей на готов наборе входных данных в виде оцифрованных рентгенологических изображений. Использовались технологии:
• язык программирования Python;
• библиотека компьютерного зрения OpenCV;
• фреймворк для работы с нейронными сетями Tensorflow;
• библиотека инструментов для анализа данных scikit-learn;
• библиотека для работы с многомерными массивами numpy;
• библиотека для визуализации данных matplotlib.
Ключевые слова: СВЁРТОЧНЫЕ НЕЙРОННЫЕ СЕТИ, ОБРАБОТКА ИЗОБРАЖЕНИЙ, МАШИННОЕ ОБУЧЕНИЕ, ПНЕВМОНИЯ.
Целью работы является исследование нейросетевых методов решения задачи классификации рентгеновских изображений грудной клетки по наличию у пациентов пневмонии. В работе рассмотрены различные подходы к решению данной задачи, выбраны различные готовые архитектуры построения свёрточных нейронных сетей и построены нейросетевые модели. Было проведено обучение с использование техник трансферного обучения (transfer learning) и дообучения (fine-tuning). Был проведён анализ результатов работы различных моделей на готов наборе входных данных в виде оцифрованных рентгенологических изображений. Использовались технологии:
• язык программирования Python;
• библиотека компьютерного зрения OpenCV;
• фреймворк для работы с нейронными сетями Tensorflow;
• библиотека инструментов для анализа данных scikit-learn;
• библиотека для работы с многомерными массивами numpy;
• библиотека для визуализации данных matplotlib.