УПРАВЛЕНИЕ БОЛЬШИМИ СИСТЕМАМИ
на главную написать письмо карта сайта


јвтор:  ѕечников ј.ј., Ѕогданов Ќ.ј.
Ќазвание:  ƒва подхода к распознаванию пневмонии по†рентгеновским снимкам: описание, реализаци€ и†сравнение
¬ыпуск:  99
–убрика:  ”правление в медико-биологических и†экологических системах
√од:  2022
Ѕиблиографи€:  ѕечников ј.ј., Ѕогданов Ќ.ј. ƒва подхода к распознаванию пневмонии по†рентгеновским снимкам: описание, реализаци€ и†сравнение // ”правление большими системами. ¬ыпуск 99. ћ.: »ѕ” –јЌ, 2022. —.114-134. DOI: https://doi.org/10.25728/ubs.2022.99.5
 лючевые слова:  классификаци€ изображений, сверточна€ нейронна€ сеть, нормализованное рассто€ние сжати€, обработка рентгеновских снимков, пневмони€
 лючевые слова (англ.):  classification of images, convolutional neural network, normalised compression distance, X-ray processing, pneumonia
јннотаци€:  –ассматриваютс€ два подхода к задаче классификации рентгеновских снимков грудной клетки дл€ диагностики пневмонии. ѕервый, на сегодн€ широко распространенный подход, основан на применении нейронных сетей. ¬торой подход использует теоретическое пон€тие колмогоровской сложности, на основе которого вводитс€ нормализованное рассто€ние сжати€, позвол€ющее определ€ть рассто€ни€ между объектами различной природы, включа€ изображени€. ƒаетс€ изложение обоих подходов, описание основанных на них алгоритмов и сведени€ о программных реализаци€х. –ентгеновские снимки дл€ экспериментов вз€ты из базы социальной сети по обработке данных и†машинному обучению Kaggle. ѕроведенна€ сери€ экспериментов позвол€ет подобрать значени€ параметров дл€ успешного решени€ поставленной задачи. ¬ысокие значени€ метрик качества классификации в обоих случа€х убедительно свидетельствуют о надежном разграничении рентгеновских снимков грудной клетки у здоровых людей от больных пневмонией. ѕреимущества первого подхода про€вл€ютс€ при больших массивах данных обучающего множества. ¬торой подход позвол€ет решать эту же задачу при наличии малого числа классифицированных снимков, когда первый подход не работает. ѕолученные результаты дают хорошие перспективы разработки чувствительных и надежных методов диагностики пневмонии, сочетающих оба этих подхода.
јннотаци€ (англ.):  The paper investigates two approaches for classification of x-ray images for presence of pneumonia. The first, widely used approach relies on neural networks (NN). The second approach utilises the theoretical concept of Kolmogorov complexity. The latter approach further enables the use of normalised compression distance (NCD) which defines a distance measure for arbitrary data objects, including images. Both ap-proaches and their underlying algorithms are described in described in detail and implemented programmatically. The X-rays for this work are taken from the database of the Kaggle social network for data processing and machine learning. Optimal model parameters are found empirically. Experimental results show high accuracies for both approaches. This is a clear indication of reliability and applicability of either method for identifying the presence of pneumonia in x-ray images. The NN approach performs well when ample training data is available. The NCD method is turn appli-cable when training data is limited and the NN approach fails. These results provide a solid foundation for developing precise and reliable diagnostics of pneumonia, using a combination of the two approaches.

в формате PDF

ѕросмотров: 431, загрузок: 75, за мес€ц: 9.

Ќазад

»ѕ” –јЌ © 2007. ¬се права защищены