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!

    Вики Р.
    5 (44 отзыва)
    Наличие красного диплома УрГЮУ по специальности юрист. Опыт работы в профессии - сфера банкротства. Уровень выполняемых работ - до магистерских диссертаций. Написан... Читать все
    Наличие красного диплома УрГЮУ по специальности юрист. Опыт работы в профессии - сфера банкротства. Уровень выполняемых работ - до магистерских диссертаций. Написание письменных работ для меня в удовольствие.Всегда качественно.
    #Кандидатские #Магистерские
    60 Выполненных работ
    Виктор В. Смоленская государственная медицинская академия 1997, Леч...
    4.7 (46 отзывов)
    Имеют опыт грамотного написания диссертационных работ по медицине, а также отдельных ее частей (литературный обзор, цели и задачи исследования, материалы и методы, выв... Читать все
    Имеют опыт грамотного написания диссертационных работ по медицине, а также отдельных ее частей (литературный обзор, цели и задачи исследования, материалы и методы, выводы).Пишу статьи в РИНЦ, ВАК.Оформление патентов от идеи до регистрации.
    #Кандидатские #Магистерские
    100 Выполненных работ
    Антон П. преподаватель, доцент
    4.8 (1033 отзыва)
    Занимаюсь написанием студенческих работ (дипломные работы, маг. диссертации). Участник международных конференций (экономика/менеджмент/юриспруденция). Постоянно публик... Читать все
    Занимаюсь написанием студенческих работ (дипломные работы, маг. диссертации). Участник международных конференций (экономика/менеджмент/юриспруденция). Постоянно публикуюсь, имею высокий индекс цитирования. Спикер.
    #Кандидатские #Магистерские
    1386 Выполненных работ
    Татьяна М. кандидат наук
    5 (285 отзывов)
    Специализируюсь на правовых дипломных работах, магистерских и кандидатских диссертациях
    Специализируюсь на правовых дипломных работах, магистерских и кандидатских диссертациях
    #Кандидатские #Магистерские
    495 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
    Татьяна Б.
    4.6 (92 отзыва)
    Добрый день, работаю в сфере написания студенческих работ более 7 лет. Всегда довожу своих студентов до защиты с хорошими и отличными баллами (дипломы, магистерские ди... Читать все
    Добрый день, работаю в сфере написания студенческих работ более 7 лет. Всегда довожу своих студентов до защиты с хорошими и отличными баллами (дипломы, магистерские диссертации, курсовые работы средний балл - 4,5). Всегда на связи!
    #Кандидатские #Магистерские
    138 Выполненных работ
    Александра С.
    5 (91 отзыв)
    Красный диплом референта-аналитика информационных ресурсов, 8 лет преподавания. Опыт написания работ вплоть до докторских диссертаций. Отдельно специализируюсь на повы... Читать все
    Красный диплом референта-аналитика информационных ресурсов, 8 лет преподавания. Опыт написания работ вплоть до докторских диссертаций. Отдельно специализируюсь на повышении уникальности текста и оформлении библиографических ссылок по ГОСТу.
    #Кандидатские #Магистерские
    132 Выполненных работы
    Анна К. ТГПУ им.ЛН.Толстого 2010, ФИСиГН, выпускник
    4.6 (30 отзывов)
    Я научный сотрудник федерального музея. Подрабатываю написанием студенческих работ уже 7 лет. 3 года назад начала писать диссертации. Работала на фирмы, а так же помог... Читать все
    Я научный сотрудник федерального музея. Подрабатываю написанием студенческих работ уже 7 лет. 3 года назад начала писать диссертации. Работала на фирмы, а так же помогала студентам, вышедшим на меня по рекомендации.
    #Кандидатские #Магистерские
    37 Выполненных работ
    Петр П. кандидат наук
    4.2 (25 отзывов)
    Выполняю различные работы на заказ с 2014 года. В основном, курсовые проекты, дипломные и выпускные квалификационные работы бакалавриата, специалитета. Имею опыт напис... Читать все
    Выполняю различные работы на заказ с 2014 года. В основном, курсовые проекты, дипломные и выпускные квалификационные работы бакалавриата, специалитета. Имею опыт написания магистерских диссертаций. Направление - связь, телекоммуникации, информационная безопасность, информационные технологии, экономика. Пишу научные статьи уровня ВАК и РИНЦ. Работаю техническим директором интернет-провайдера, имею опыт работы ведущим сотрудником отдела информационной безопасности филиала одного из крупнейших банков. Образование - высшее профессиональное (в 2006 году окончил военную Академию связи в г. Санкт-Петербурге), послевузовское профессиональное (в 2018 году окончил аспирантуру Уральского федерального университета). Защитил диссертацию на соискание степени "кандидат технических наук" в 2020 году. В качестве хобби преподаю. Дисциплины - сети ЭВМ и телекоммуникации, информационная безопасность объектов критической информационной инфраструктуры.
    #Кандидатские #Магистерские
    33 Выполненных работы

    Другие учебные работы по предмету

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