Распознавание опухолей на МРТ-изображениях головного мозга

Беккерман Анна Александровна
Бесплатно
В избранное
Работа доступна по лицензии Creative Commons:«Attribution» 4.0

В настоящей работе методами машинного обучения проводится распознавание опухолей головного мозга на МРТ-снимках. Сравниваются несколько моделей, классифицирующих снимки по наличию на них опухолей. Разрабатываются несколько новых моделей на основе выбранной. Результаты работы нейронных сетей оцениваются при помощи F-меры и выбирается наиболее успешная модель.

Введение ……………………………………………………………………………………………………. 3
Постановка задачи……………………………………………………………………………………… 5
Обзор литературы………………………………………………………………………………………. 6
Искусственные нейронные сети …………………………………………………………………. 8
Нейронные сети в медицине ………………………………………………………………….. 11
Проблемы и ограничения ………………………………………………………………………. 12
Применение сверточных нейронных сетей ……………………………………………….. 14
Оценка точности …………………………………………………………………………………… 15
Набор данных ……………………………………………………………………………………….. 16
VGG16 ………………………………………………………………………………………………….. 17
ResNet …………………………………………………………………………………………………… 20
Преобразование VGG16 …………………………………………………………………………… 26
Выводы ……………………………………………………………………………………………………. 32
Заключение ……………………………………………………………………………………………… 33
Список литературы ………………………………………………………………………………….. 34

С самого появления компьютеров люди стараются переложить на них решение как можно большего количества задач. В медицинской диагностике одной из самых главных и сложных задач является правильная постановка диагноза. От неё зависит всё дальнейшее лечение. Конечно, эту задачу также пытаются автоматизировать для минимизации влияния человеческого фактора. Ведь он может быть как положительным (например, большой опыт врача, полученный за долгие годы практики), так и отрицательным (например, плохое самочувствие).
Хотя на данный момент создано немало медицинских систем принятия решения, при их разработке возникают некоторые методологические трудности. Ведь сложно схематизировать данные, когда несколько специалистов может по-разному определять одну и ту же болезнь, что нередко происходит. При помощи четкого алгоритма не всегда можно описать некоторые сложные клинические картины. Самой большой же проблемой является то, что при создании системы нужных знаний может и не быть вовсе. В связи с чем производятся попытки разработки системы, знающей больше ее разработчиков.
В идеале разработанный метод должен обладать стопроцентной чувствительностью (вероятность того, что все люди с положительным результатом будут отнесены к нужному классу) и, одновременно, – стопроцентной специфичностью (вероятность того, что все люди с отрицательным результатом будут определены правильно).
Очень часто высокая чувствительность влечет за собой низкую специфичность. Это может происходить из-за того, что не для каждого человека выход определенного параметра за принятую норму будет считаться заболеванием. Здесь играют роль индивидуальные особенности организма.
3
Увеличить для метода чувствительность так, чтобы при этом не страдала специфичность, помогают нейронные сети. Это нелинейные системы, которые способные классифицировать данные намного лучше часто применяемых линейных методов. Нейронные сети учатся делать выводы, анализируя обнаруженные ими скрытые связи в данных. При этом они не используют какой-то определенный алгоритм вывода для принятия решения, а учатся этому на примерах. Также нейронные сети могут проводить классификацию, подытоживая предыдущий опыт и используя его в последующих задачах. [1]

Подводя итог, можно сказать, что все поставленные задачи были
выполнены. Была проведена классификация снимков по наличию на них
опухолей на основе работы четырех разработанных моделей нейронной сети и
выбрана наилучшая, показавшая значение F-меры равное 0.91.

В дальнейшем применение нейронных сетей показывает свою
целесообразность в использовании для программного обеспечения, которое
будет быстро и точно обрабатывать огромные массивы данных, и машин,
способных видеть и делать то, с чем не справляется человек. Проводимые
исследования с применением нейронной сети говорят о перспективности
данного направления и еще многих ее неизученных возможностях.

1. ЧурюмоваИ.Г.Медицинскаясистемапринятиярешенийс
использованием нейронной сети // Вестник Нац. техн. ун-та “ХПИ” : сб.
науч. тр. Темат. вып. : Информатика и моделирование. – Харьков : НТУ
“ХПИ”. – 2004. – № 34. – С. 199-202.
2. Samuel Burns. Python Deep learning // Kindle Edition, 2019, С. 178
3. Ramaswamy Reddy A., Prasad E. V., Reddy L. S. S. Comparative analysis of
brain tumor detection using different segmentation techniques //International
Journal of Computer Applications. – 2013. – Т. 82. – №. 14. – С. 0975-8887.
4. Das S., Siddiqui N. N., Kriti N., & Tamang, S. P. Detection and area
calculation of brain tumour from MRI images using MATLAB //International
Journal. – 2017. – Т. 4. – №. 1. – С. 35
5. Othman M. F. B., Abdullah N. B., Kamal N. F. B. MRI brain classification
using support vector machine //2011 Fourth International Conference on
Modeling, Simulation and Applied Optimization. – IEEE, 2011. – С. 1-4.
6. Kumar D. D., Vandhana S., Priya, K. S., & Subashini S. J. Brain tumour image
segmentation using MATLAB //vol. – 2015. – Т. 1. – С. 447-451.
7. Zhang Y., Dong Z., Wu L., & Wang S. A hybrid method for MRI brain image
classification //Expert Systems with Applications. – 2011. – Т. 38. – №. 8. –
С. 10049-10053.
8. Othman M. F., Basri M. A. M. Probabilistic neural network for brain tumor
classification //2011 Second International Conference on Intelligent Systems,
Modelling and Simulation. – IEEE, 2011. – С. 136-138.
9. 6 Types of Activation Function in Neural Networks You Need to Know
[Электронный ресурс], // URL: https://www.upgrad.com/blog/types-of-
activation-function-in-neural-networks/ (дата обращения: 13.02.2020)
10. Neural Network | Machine Learning Tutorial [Электронный ресурс], //
URL:https://sci2lab.github.io/ml_tutorial/neural_network/#Common-
Activation-Functions (дата обращения: 13.01.2020)
11. What Is a Neural Network? [Электронный ресурс], 1994-2021 // The
MathWorks,Inc,URL:https://www.mathworks.com/discovery/neural-
network.html (дата обращения: 05.03.2020)
12. Neurohive. Рутинные задачи с минимальным риском [Электронный
ресурс], // URL: https://neurohive.io/ru/novosti/nejronnye-seti-v-medicine/
(20.05.2020)

Заказать новую

Лучшие эксперты сервиса ждут твоего задания

от 5 000 ₽

Не подошла эта работа?
Закажи новую работу, сделанную по твоим требованиям

    Нажимая на кнопку, я соглашаюсь на обработку персональных данных и с правилами пользования Платформой

    Хочешь уникальную работу?

    Больше 3 000 экспертов уже готовы начать работу над твоим проектом!

    Мария Б. преподаватель, кандидат наук
    5 (22 отзыва)
    Окончила специалитет по направлению "Прикладная информатика в экономике", магистратуру по направлению "Торговое дело". Защитила кандидатскую диссертацию по специальнос... Читать все
    Окончила специалитет по направлению "Прикладная информатика в экономике", магистратуру по направлению "Торговое дело". Защитила кандидатскую диссертацию по специальности "Экономика и управление народным хозяйством". Автор научных статей.
    #Кандидатские #Магистерские
    37 Выполненных работ
    Лидия К.
    4.5 (330 отзывов)
    Образование высшее (2009 год) педагог-психолог (УрГПУ). В 2013 году получено образование магистр психологии. Опыт преподавательской деятельности в области психологии ... Читать все
    Образование высшее (2009 год) педагог-психолог (УрГПУ). В 2013 году получено образование магистр психологии. Опыт преподавательской деятельности в области психологии и педагогики. Написание диссертаций, ВКР, курсовых и иных видов работ.
    #Кандидатские #Магистерские
    592 Выполненных работы
    Александр Р. ВоГТУ 2003, Экономический, преподаватель, кандидат наук
    4.5 (80 отзывов)
    Специальность "Государственное и муниципальное управление" Кандидатскую диссертацию защитил в 2006 г. Дополнительное образование: Оценка стоимости (бизнеса) и госфин... Читать все
    Специальность "Государственное и муниципальное управление" Кандидатскую диссертацию защитил в 2006 г. Дополнительное образование: Оценка стоимости (бизнеса) и госфинансы (Казначейство). Работаю в финансовой сфере более 10 лет. Банки,риски
    #Кандидатские #Магистерские
    123 Выполненных работы
    Яна К. ТюмГУ 2004, ГМУ, выпускник
    5 (8 отзывов)
    Помощь в написании магистерских диссертаций, курсовых, контрольных работ, рефератов, статей, повышение уникальности текста(ручной рерайт), качественно и в срок, в соот... Читать все
    Помощь в написании магистерских диссертаций, курсовых, контрольных работ, рефератов, статей, повышение уникальности текста(ручной рерайт), качественно и в срок, в соответствии с Вашими требованиями.
    #Кандидатские #Магистерские
    12 Выполненных работ
    Елена Л. РЭУ им. Г. В. Плеханова 2009, Управления и коммерции, пре...
    4.8 (211 отзывов)
    Работа пишется на основе учебников и научных статей, диссертаций, данных официальной статистики. Все источники актуальные за последние 3-5 лет.Активно и уместно исполь... Читать все
    Работа пишется на основе учебников и научных статей, диссертаций, данных официальной статистики. Все источники актуальные за последние 3-5 лет.Активно и уместно использую в работе графический материал (графики рисунки, диаграммы) и таблицы.
    #Кандидатские #Магистерские
    362 Выполненных работы
    Вирсавия А. медицинский 1981, стоматологический, преподаватель, канди...
    4.5 (9 отзывов)
    руководитель успешно защищенных диссертаций, автор около 150 работ, в активе - оппонирование, рецензирование, написание и подготовка диссертационных работ; интересы - ... Читать все
    руководитель успешно защищенных диссертаций, автор около 150 работ, в активе - оппонирование, рецензирование, написание и подготовка диссертационных работ; интересы - медицина, биология, антропология, биогидродинамика
    #Кандидатские #Магистерские
    12 Выполненных работ
    Дарья С. Томский государственный университет 2010, Юридический, в...
    4.8 (13 отзывов)
    Практикую гражданское, семейное право. Преподаю указанные дисциплины в ВУЗе. Выполняла работы на заказ в течение двух лет. Обучалась в аспирантуре, подготовила диссерт... Читать все
    Практикую гражданское, семейное право. Преподаю указанные дисциплины в ВУЗе. Выполняла работы на заказ в течение двух лет. Обучалась в аспирантуре, подготовила диссертационное исследование, которое сейчас находится на рассмотрении в совете.
    #Кандидатские #Магистерские
    18 Выполненных работ
    Дмитрий К. преподаватель, кандидат наук
    5 (1241 отзыв)
    Окончил КазГУ с красным дипломом в 1985 г., после окончания работал в Институте Ядерной Физики, защитил кандидатскую диссертацию в 1991 г. Работы для студентов выполня... Читать все
    Окончил КазГУ с красным дипломом в 1985 г., после окончания работал в Институте Ядерной Физики, защитил кандидатскую диссертацию в 1991 г. Работы для студентов выполняю уже 30 лет.
    #Кандидатские #Магистерские
    2271 Выполненная работа
    Анастасия Л. аспирант
    5 (8 отзывов)
    Работаю в сфере метрологического обеспечения. Защищаю кандидатскую диссертацию. Основной профиль: Метрология, стандартизация и сертификация. Оптико-электронное прибост... Читать все
    Работаю в сфере метрологического обеспечения. Защищаю кандидатскую диссертацию. Основной профиль: Метрология, стандартизация и сертификация. Оптико-электронное прибостроение, управление качеством
    #Кандидатские #Магистерские
    10 Выполненных работ

    Другие учебные работы по предмету

    Кооперативные игры на гиперграфах
    📅 2019год
    🏢 Санкт-Петербургский государственный университет