(43-2) 18 * << * >> * Русский * English * Содержание * Все выпуски

Алгоритмизация процесса распознавания состояний физиологических объектов на основе специальных рентгеновских изображений
Васильченко В.А., Бурковский В.Л., Данилов А.Д.

Воронежский государственный технический университет, Россия, Воронеж

 PDF, 933 kB

DOI: 10.18287/2412-6179-2019-43-2-296-303

Страницы: 296-303.

Аннотация:

В статье рассмотрены результаты разработки модуля экспертной системы диагностики заболеваний, основанной на методе нейросетевого анализа. Установлено, что максимальной эффективностью по обработке снимков аппаратов магнитно-резонансной томографии обладают свёрточные нейронные сети. При этом сформирован алгоритм по выбору оптимальной структуры нейронной сети в формате поставленной задачи. Итогом проделанной работы стала сформированная свёрточная нейронная сеть, способная с высокой долей вероятности обнаруживать очаги патологических изменений тканей на снимках магнитно-резонансного томографа. Апробация метода осуществлялась на отдельно взятом органе человека – лёгких. Система в тестовом режиме внедрена в одну из крупнейших клиник города.

Ключевые слова:
магнитно-резонансная томография, диагностика, бинаризация, классификация, свёрточная нейронная сеть.

Цитирование:
Васильченко, В.А. Алгоритмизация процесса распознавания состояний физиологических объектов на основе специальных рентгеновских изображений / В.А. Васильченко, В.Л. Бурковский, А.Д. Данилов // Компьютерная оптика. – 2019. – Т. 43, № 2. – С. 296-303. – DOI: 10.18287/2412-6179-2019-43-2-296-303.

Литература:
  1. Магнитно-резонансная томография. 2018. URL: https://ru.wikipedia.org/wiki/Магнитно-резонансная_томография (дата обращения: 27.12.2018).
  2. Васильченко, В.А. Анализ и выбор структуры объектно-реляционной СУБД медицинской информационной системы / В.А. Васильченко, В.Л.  Бурковский // Вестник Воронежского государственного технического университета. – 2015. – Т. 3, № 3. – С. 57-59.
  3. Васильченко, В.А. Структура экспертной системы оперативной диагностики и лечения заболеваний легких / В.А. Васильченко, В.Л. Бурковский // Вестник Воронежского государственного технического университета. – 2016. – Т. 12, № 1. – С. 28-31.
  4. Максимова, Е.И. Алгоритм обнаружения образований в легких человека на снимках компьютерного томографа с использованием искусственной нейронной сети / Е.И. Максимова, П.А. Хаустов // Фундаментальные исследования. – 2016. – № 4, часть 2. – С. 290-294.
  5. EmguCV. 2017. URL: http://www.emgu.com/wiki/index.php/Main_Page (дата обращения: 27.12.2018).
  6. Canny J. A computational approach to edge detection. IEEE Transactions on Pattern Analysis and Machine Intelligence. 1986; 6: 679-698.
  7. Круглов, В.И. Нечеткая логика и искусственные нейронные сети / В.И. Круглов, М.И. Дли, Р.Ю. Голунов. – М.: Физматлит, 2002. – 312 c.
  8. Гонсалес, Р. Цифровая обработка изображений / Р. Гонсалес, Р. Вудс. –М.: Техносфера, 2005. – 1007 с.
  9. Criffith, A.K. Edge detection in simple scenes using a priori information / A.K. Criffith // IEEE Transactions on Computers. – 1971. – Vol. 5. – P. 551-561.
  10. Как выбирать алгоритмы для машинного обучения Microsoft Azure. – 2018. – URL: https://msdn.microsoft.com/ ru-ru/mt745082.aspx (дата обращения: 27.12.2018).
  11. ALGLIB. – 2018. – URL: https://www.alglib.net (дата обращения: 27.12.2018).
  12. Спринджук, М.В. Компьютер-ассистированная диагностика узловых образований в легких (обзор литературы) [Электронный ресурс] / М.В. Спринджук, В.А. Ковалев, Э.В. Снежко, А.А. Дмитрук, А.Л. Богуш, С.А. Хоружик // Поволжский онкологический вестник. – 2010. – URL: oncovestnik.ru/index.php/diagnostika/item/ 864-kompyuter-assistirovannaya-diagnostika-uzlovykh-obrazovanij-v-legkikh-obzor-literatury (дата обращения: 27.12.2018).
  13. Мистюков, Б.В. Нейросетевое моделирование динамики нелинейных систем / Б.В. Мистюков, В.Л. Бурковский // Вестник Воронежского государственного технического университета. – 2012. – Т. 3, № 12-1. – С. 51-56.
  14. Гончарова, Ю.М. Нейросетевое моделирование острого пиелонифрита в эксперименте / Ю.М. Гончарова, А.Е. Пьяников, В.Л. Бурковский // Вестник Воронежского государственного технического университета, 2012. – Т. 8, № 7-1. – С. 54-57.
  15. Спирячин, А.А. Анализ эффективности использования метода нечеткой классификации и генетических алгоритмов в интеллекутальной системе поддержки принятия врачебных решений / А.А. Спирячин, В.Л. Бурковский, А.П. Воропаев // Вестник Воронежского государственного технического университета. – 2015. – Т. 11, № 2. – С. 45-48.

© 2009, IPSI RAS
Россия, 443001, Самара, ул. Молодогвардейская, 151; электронная почта: journal@computeroptics.ru ; тел: +7 (846) 242-41-24 (ответственный секретарь), +7 (846) 332-56-22 (технический редактор), факс: +7 (846) 332-56-20