Використання ансамблю нейронних мереж для визначення діагностичних параметрів хребців

Автор

В. Д. Конюхов, Інститут проблем машинобудування ім. А. М. Підгорного НАН України (61046, Україна, м. Харків, вул. Пожарського, 2/10), e-mail: riggelllll@gmail.com, ORCID: 0009-0007-0256-1388

Анотація

Штучний інтелект відкриває великі перспективи в багатьох сферах діяльності людини, насамперед у медицині. Одним із пріоритетних напрямів використання штучного інтелекту в цій галузі є сегментація медичних зображень задля автоматичного діагностування поширених захворювань. У цій роботі досліджується, зокрема, можливість застосування ансамблю нейронних мереж для діагностування остеопорозу. Для досягнення вказаної мети вивчено можливості використання методів машинного навчання для сегментації і визначення форми й розмірів певних хребців (Th8, Th9, Th10, Th11 хребця людини) на рентгенівських зображеннях, отриманих у реальних умовах. Досліджено низку нейронних мереж, які застосовуються в обробці зображень, й запропоновано алгоритм одночасного їх використання для якісного визначення діагностичних параметрів.

Ключові слова: машинне навчання; нейронні мережі; глибоке навчання; сегментація зображення; аналіз медичного зображення.

Повний текст: завантажити PDF

Література

1. Паращук О. Міжнародний день боротьби з остеопорозом: разом до перемоги над хворобою! Новини медицини та фармації. 2010. № 18 (341). 6 с. [Дата звернення – 2 серпня 2023 р.]. URL: http://urgent.mif-ua.com/archive/article/14406.
2. 80% UK adults experience back pain. Living Room Health Regenerative Treatments: official site. 2019. [The application date is August 2, 2023]. URL: https://www.theregenerativeclinic.co.uk/news/80-uk-adults-experience-back-pain/.
3. What is machine learning? IBM: official site. 2023. [The application date is August 2, 2023]. URL: https://www.ibm.com/topics/machine-learning.
4. Ronneberger O., Fischer P., Brox T. U-Net: Convolutional networks for biomedical image segmentation. In: Navab N., Hornegger J., Wells W., Frangi A. (eds) Medical Image Computing and Computer-Assisted Intervention – MICCAI 2015. Lecture Notes in Computer Science. Cham: Springer, 2015. Vol. 9351. P. 234–241. https://doi.org/10.1007/978-3-319-24574-4_28.
5. Simonyan K., Zisserman A. Very deep convolutional networks for large-scale image recognition. 3rd International Conference on Learning Representations (ICLR 2015): Conference papers. 2015. P. 1–14.
6. Howard A. G., Zhu M., Chen B., Kalenichenko D., Wang W., Weyand T., Adam H. MobileNets: Efficient convolutional neural networks for mobile vision applications. 2017. 9 p. https://doi.org/10.48550/arXiv.1704.04861.

Надійшла до редакції 20.02.2024