Сегментація туберкульозних уражень легень на зображеннях комп’ютерної томографії

Проблематика. Туберкульоз – це хронічне захворювання легень, яке виникає через бактеріальну інфекцію та входить до десятки основних причин смертності людини. Як частина системи автоматизованої діагностики виявлення туберкульозних уражень на комп’ютерних томограмах легень у автоматичному режимі є ак...

Full description

Bibliographic Details
Main Authors: Nazariy Voronchuk, Kateryna Bovsunovska, Alexander Davydko, Mykola Lynnyk, Oleksandr Мatviichuck, Andrii Pavlov, Ievgen Nastenko
Format: Article
Language:English
Published: Igor Sikorsky Kyiv Polytechnic Institute 2021-06-01
Series:Innovative Biosystems and Bioengineering
Subjects:
Online Access:http://ibb.kpi.ua/article/view/233051
Description
Summary:Проблематика. Туберкульоз – це хронічне захворювання легень, яке виникає через бактеріальну інфекцію та входить до десятки основних причин смертності людини. Як частина системи автоматизованої діагностики виявлення туберкульозних уражень на комп’ютерних томограмах легень у автоматичному режимі є актуальною задачею. Мета. Вирішення проблеми сегментації уражених туберкульозом ділянок легень на комп’ютерних томограмах за допомогою цифрової обробки зображень на основі U-мереж. Методика реалізації. Дані для навчання мережі надано фахівцями ДУ “Національний інститут фтизіатрії і пульмонології ім. Ф.Г. Яновського НАМН України”. Сегментація зображень виконана засобами штучного інтелекту за допомогою згорткової нейронної мережі U-Net, яка була розроблена для задач медичної сегментації. Розглянуто три версії U-Net мереж із різними параметрами. Особливістю U-Net є відсутність повнозв’язних шарів. Ця мережа є прикладом архітектури кодувальника-декодувальника, що показує високі результати в задачах семантичної сегментації зображень. У двох останніх моделях застосована техніка ранньої зупинки навчання, яка дає можливість уникнути ефекту перенавчання мережі. Кількість епох навчання задається із запасом, при цьому процес навчання параметрів мережі зупиняється, щойно продуктивність моделі припиняє поліпшуватися на тестовому наборі даних. Результати. Набір даних був розділений на 320 зразків (80 %) для навчання, 40 зразків (10 %) для тес­тування та 40 зразків (10 %) для екзамену. Ефективність розроблених моделей була оцінена за параметрами: точність, чутливість, коефіцієнт кореляції Метьюза. Кінцева модель забезпечує на екзамені високі показники продуктивності, такі як точність 0,82, чутливість 0,75, коефіцієнт кореляції Метьюза 78 %. Висновки. Проведені дослідження при застосуванні мережі U-Net дали змогу одержати високі результати для сегментації туберкульозних уражень на зображеннях комп’ютерної томографії. Пропонована мережа буде застосована при подальшій розробці діагностичних систем при захворюванні на туберкульоз.
ISSN:2616-177X