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...
Main Authors: | , , , , , , |
---|---|
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 |