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
id doaj-37f92967583b47b8b2737fdb11a04d24
record_format Article
spelling doaj-37f92967583b47b8b2737fdb11a04d242021-06-30T06:57:33ZengIgor Sikorsky Kyiv Polytechnic InstituteInnovative Biosystems and Bioengineering2616-177X2021-06-015210.20535/ibb.2021.5.2.233051Сегментація туберкульозних уражень легень на зображеннях комп’ютерної томографіїNazariy Voronchuk 0Kateryna Bovsunovska1Alexander Davydko2Mykola Lynnyk3Oleksandr Мatviichuck4Andrii Pavlov 5Ievgen Nastenko6КПІ ім. Ігоря СікорськогоКПІ ім. Ігоря СікорськогоКПІ ім. Ігоря СікорськогоДУ "Національний інститут фтизіатрії і пульмонології ім. Ф.Г. Яновського НАМН України"КПІ ім. Ігоря СікорськогоМіжнародний науково-навчальний центр інформаційних технологій та систем НАН і МОН УкраїниКПІ ім. Ігоря Сікорського 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. http://ibb.kpi.ua/article/view/233051сегментація патологійнейронна мережатуберкульозU-Netштучний інтелекттренування мереж
collection DOAJ
language English
format Article
sources DOAJ
author Nazariy Voronchuk
Kateryna Bovsunovska
Alexander Davydko
Mykola Lynnyk
Oleksandr Мatviichuck
Andrii Pavlov
Ievgen Nastenko
spellingShingle Nazariy Voronchuk
Kateryna Bovsunovska
Alexander Davydko
Mykola Lynnyk
Oleksandr Мatviichuck
Andrii Pavlov
Ievgen Nastenko
Сегментація туберкульозних уражень легень на зображеннях комп’ютерної томографії
Innovative Biosystems and Bioengineering
сегментація патологій
нейронна мережа
туберкульоз
U-Net
штучний інтелект
тренування мереж
author_facet Nazariy Voronchuk
Kateryna Bovsunovska
Alexander Davydko
Mykola Lynnyk
Oleksandr Мatviichuck
Andrii Pavlov
Ievgen Nastenko
author_sort Nazariy Voronchuk
title Сегментація туберкульозних уражень легень на зображеннях комп’ютерної томографії
title_short Сегментація туберкульозних уражень легень на зображеннях комп’ютерної томографії
title_full Сегментація туберкульозних уражень легень на зображеннях комп’ютерної томографії
title_fullStr Сегментація туберкульозних уражень легень на зображеннях комп’ютерної томографії
title_full_unstemmed Сегментація туберкульозних уражень легень на зображеннях комп’ютерної томографії
title_sort сегментація туберкульозних уражень легень на зображеннях комп’ютерної томографії
publisher Igor Sikorsky Kyiv Polytechnic Institute
series Innovative Biosystems and Bioengineering
issn 2616-177X
publishDate 2021-06-01
description 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.
topic сегментація патологій
нейронна мережа
туберкульоз
U-Net
штучний інтелект
тренування мереж
url http://ibb.kpi.ua/article/view/233051
work_keys_str_mv AT nazariyvoronchuk segmentacíâtuberkulʹoznihuraženʹlegenʹnazobražennâhkompûternoítomografíí
AT katerynabovsunovska segmentacíâtuberkulʹoznihuraženʹlegenʹnazobražennâhkompûternoítomografíí
AT alexanderdavydko segmentacíâtuberkulʹoznihuraženʹlegenʹnazobražennâhkompûternoítomografíí
AT mykolalynnyk segmentacíâtuberkulʹoznihuraženʹlegenʹnazobražennâhkompûternoítomografíí
AT oleksandrmatviichuck segmentacíâtuberkulʹoznihuraženʹlegenʹnazobražennâhkompûternoítomografíí
AT andriipavlov segmentacíâtuberkulʹoznihuraženʹlegenʹnazobražennâhkompûternoítomografíí
AT ievgennastenko segmentacíâtuberkulʹoznihuraženʹlegenʹnazobražennâhkompûternoítomografíí
_version_ 1721353111912579072