Информационно-аналитическая система для автоматизированной диагностики патологий органов грудной клетки
В работе рассмотрены алгоритмы обнаружения патологий на рентгенограммах, обучена и протестирована модель машинного обучения, разработано веб-приложение для простой и удобной работы с моделью.
Введение …………………………………………………………………………………………………………………….. 13
1 Аналитический обзор предметной области ……………………………………………………………… 15
1.1 Обзор конкурентных решений ………………………………………………………………………………… 15
1.1.1 ChestEye ……………………………………………………………………………………………………………… 15
1.1.2 qXR ……………………………………………………………………………………………………………………. 15
1.2 Алгоритмы глубокого обучения для работы с рентген-снимками……………………………….. 17
1.3 Набор данных ChestX-ray14 ……………………………………………………………………………………. 19
2. Разработка модуля для обнаружения пневмонии на рентгенограммах ………………………….. 20
2.1 Выбор программного обеспечения…………………………………………………………………………… 20
2.2 Используемые библиотеки………………………………………………………………………………….. 20
2.3 Построение и обучение DenseNet-121 ………………………………………………………………….. 21
2.4 Выводы по разделу…………………………………………………………………………………………………. 23
3. Проектирование и разработка приложения для обнаружения патологий органов грудной
клетки по рентген-снимкам ……………………………………………………………………………… 25
Результаты ………………………………………………………………………………………………………………….. 29
4. Финансовый менеджмент, ресурсоэффективность и ресурсосбережение………………………. 30
4.1 Предпроектный анализ …………………………………………………………………………………………… 30
4.1.1 Технология QuaD ………………………………………………………………………………………………… 30
4.1.2 SWOT-анализ………………………………………………………………………………………………………. 32
4.1.3 Оценка готовности научно-исследовательского проекта к коммерциализации ………….. 33
4.2 Инициация разработки ……………………………………………………………………………………….. 34
4.3 Планирование управления разработкой ……………………………………………………………….. 35
4.3.1 План разработки ……………………………………………………………………………………………… 35
4.3.2 Разработка графика проведения разработки …………………………………………………………… 36
4.4 Бюджет разработки ………………………………………………………………………………………………… 37
4.4.1 Расчет материальных затрат …………………………………………………………………………………. 37
4.4.2 Амортизационные затраты …………………………………………………………………………………… 37
4.4.3 Заработная плата исполнителей ……………………………………………………………………………. 38
4.4.4 Отчисления во внебюджетные фонды……………………………………………………………………. 40
4.4.5 Накладные расходы ……………………………………………………………………………………………… 40
4.4.6 Формирование бюджета ……………………………………………………………………………………….. 40
4.5 Определение потенциального эффекта разработки ……………………………………………………. 42
5. Социальная ответственность ………………………………………………………………………………….. 43
5.1 Правовые и организационные вопросы обеспечения безопасности ………………………… 43
5.2 Производственная безопасность………………………………………………………………………….. 45
5.2.1 Анализ выявленных вредных и опасных факторов …………………………………………….. 45
5.2.2 Обоснование мероприятий по снижению воздействия ……………………………………….. 46
5.2.2.1 Отклонение показателей микроклимата…………………………………………………………….. 46
5.2.2.2 Превышение уровня шума ……………………………………………………………………………….. 47
5.2.2.3 Отсутствие или недостаток света ……………………………………………………………………… 49
5.2.2.4 Повышенное значение напряжения в электрической цепи ………………………………….. 50
5.2.2.5 Умственное перенапряжение ……………………………………………………………………………. 51
5.3 Экологическая безопасность……………………………………………………………………………….. 52
5.4 Безопасность в чрезвычайных ситуациях …………………………………………………………….. 54
5.4.1 Мероприятия по предотвращению ЧС и разработка порядка действий в случае
возникновения ЧС …………………………………………………………………………………………… 54
5.5 Выводы по разделу …………………………………………………………………………………………….. 56
Заключение…………………………………………………………………………………………………………………. 58
Список достижений …………………………………………………………………………………………………….. 59
Список используемых источников ………………………………………………………………………………… 61
Приложение А …………………………………………………………………………………………………………….. 64
Современный мир постоянно меняется, автоматизация проникает во всё
большее количество отраслей и отрасль здравоохранения не является
исключением. На приёме пациента доктору больше не нужно заполнять такие
данные, как имя, дата рождения, пол и т.д. При сборе анамнеза доктору могут
предлагаться подходящие ключевые слова и возможные варианты диагнозов на
основании симптомов и предыдущих записей из истории болезни.
Однако процессы, связанные с более сложными данными, например,
рентген-снимками всё ещё нуждаются в автоматизации, поскольку число
собираемых данных неуклонно растёт, особенно в 2020 году из-за вспышки
COVID-19.
С развитием моделей машинного обучения, а также постоянно
пополняющимся объёмом снимков становится возможным диагностировать
патологии с точностью высококвалифицированного врача-радиолога и даже
лучше.
Целью работы является разработка инструмента анализа
рентгенологических снимков для локализации патологий в области лёгкого. В
качестве инструментов обучения модели используются глубокие нейронные
сети.
Основные задачи исследования:
1. провести анализ существующих решений для автоматизированной
диагностики патологий органов грудной клетки;
2. разработать алгоритм обнаружения патологий органов грудной
клетки (пневмонии), используя размеченные рентген-снимки;
3. провести тестирование алгоритма для оценки точности
обнаружения;
4. разработать программную оболочку для работы с алгоритмом.
Под объектом исследования понимается разработка алгоритма
обнаружения торакальных заболеваний и патологий на рентгенограммах, а также
приложения для работы с ним с целью постановки предварительного диагноза.
Предметом исследования является обзор существующих решений со
схожим функционалом, архитектуры глубокой нейронной сети, подходящей для
решения поставленных задач.
Научная новизна работы заключается в улучшении качества обнаружения
патологий на рентгенограммах грудной клетки, а также разработке
программного решения с перспективой его внедрения в медицинские
учреждения г. Томска.
Практическая значимость результатов магистерской диссертации
заключается в приложения для диагностики и локализации патологий по
загружаемым рентгенограммам грудной клетки.
Результаты работы планируются к использованию в отделении лучевой
диагностики СибГМУ г. Томска.
1 Аналитический обзор предметной области
1.1 Обзор конкурентных решений
На сегодняшний день на рынке представлено множество решений для
телемедицины, а также для автоматизации обработки медицинских данных.
Большинство из них позволяют провести консультацию со специалистом путём
видеоконференции. Однако можно отметить два решения, обладающих
функционалом для диагностики патологий по рентгенограммам.
В данном разделе будут представлены описания каждого из решений. В
конце раздела будет выбраны основные параметры разрабатываемой системы
диагностики.
В ходе данной работы был запрограммирован и протестирован алгоритм
обнаружения патологий органов грудной клетки на рентгенограмме. Для
взаимодействия с алгоритмом было спроектировано и разработано веб-
приложение, позволяющее за несколько секунд получить рекомендацию при
постановке диагноза врачом-радиологом.
Качество обнаружения на данном этапе пока не позволяет использовать
систему без проверки результатов квалифицированным специалистом, но
помогает сократить время и стоимость диагностики.
При последующей доработке как алгоритма, так и приложения, продукт
можно будет легко вывести на рынок, а при увеличении спроса –
масштабировать его на огромное количество медицинских учреждений и
дополнять требуемым функционалом за счёт модульности как алгоритма, так и
приложения.
В будущем планируется протестировать систему в отделении лучевой
диагностики СибГМУ и других медицинских учреждениях г. Томска – это
позволит дополнительно удостовериться в коммерческом потенциале
разработанной системы.
Список достижений
1. Диплом I степени на конкурсе по решению бизнес-кейсов в сфере
медицины «МедХакатон», г. Томск, сентябрь 2018 г.
2. Диплом I степени на хакатоне «Цифровые решения для нефтегазового
сектора», г. Томск, октябрь 2018 г.
3. Повышенная государственная академическая стипендия II степени в
номинации “За достижения в научно-исследовательской деятельности”
по итогам осеннего семестра 2018/19 учебного года, приказ № 9752/с
от 2 ноября 2018 г.
4. Стипендия программы FIRST+ для обучения в университете Аалто
(Финляндия, г. Эспоо) в весеннем семестре 2018-2019 уч. года, ноябрь
2018
5. Стипендия Правительства Российской Федерации по приоритетным
направлениям модернизации и технологического развития российской
экономики, весенний семестр 2018-2019 уч. г., приказ №1612/с от
01.03.2019 г.
6. Повышенная государственная академическая стипендия III степени в
номинации “За достижения в научно-исследовательской деятельности”
по итогам весеннего семестра 2018/19 учебного года, приказ № 2194/с
от 21 марта 2019 г.
7. Диплом за лучшее решение на международном хакатоне “Nordic Health
Hackathon”, Финляндия, г. Хельсинки, март 2019 г.
8. Повышенная государственная стипендия по научно-исследовательской
деятельности, ОСЕНЬ 2019/2020 уч. года. Приказ от 03.10.2019 №
9236/с.
9. Диплом за 1 место в Конкурсе инновационных и предпринимательских
проектовТПУ 10К “Идеи для жизни” в номинации “Инновационные
проекты в IT-сфере”, г. Томск, декабрь 2019 г.
10. Стипендия Правительства РФ студентам ТПУ, обучающимся по
специальностям или направлениям подготовки, соответствующим
приоритетным направлениям модернизации и технологического
развития российской экономики на весенний семестр 2019-2020
учебного года. Приказ № 58-22/с от 27.02.2020, номер в приказе 4
11. Повышенная государственная стипендия по научно-
исследовательской деятельности, ВЕСНА 2019/2020 уч. года. Приказ
от 20.03.2020 № 80-5/с
Хочешь уникальную работу?
Больше 3 000 экспертов уже готовы начать работу над твоим проектом!
4.6 (92 отзыва)
5 (22 отзыва)
4.8 (373 отзыва)
4.5 (330 отзывов)
4.8 (105 отзывов)
5 (145 отзывов)
4.6 (30 отзывов)
4.6 (71 отзыв)
4.2 (6 отзывов)
