Разработка алгоритмов машинного обучения для автоматического описания рентгеновских изображений

Скворцов, Александр Вадимович Отделение информационных технологий (ОИТ)
Бесплатно
В избранное
Работа доступна по лицензии Creative Commons:«Attribution» 4.0

Цель работы: реализация нескольких алгоритмов машинного обучения для автоматического анализа рентгеновских изображений, сравнение результатов их работы между собой и с аналогами.
В результате проведённых экспериментов было проведено сравнение двух типов архитектур, 4 архитектур, одного ансамбля нейронных сетей. Был оценен эффект трёх различных способов предобработки изображений на результаты классификации и выделяемые на изображениях признаки. Было произведено сравнение обученных нейронных сетей между собой и с аналогами. Был произведён анализ наиболее распространённого набора данных рентгеновских снимков грудной клетки, сформулированы его недостатки. Были сформулированы рекомендации к дальнейшему улучшению работы аналогичных систем.

ВВЕДЕНИЕ …………………………………………………………………………………………………… 6
ГЛАВА 1. АНАЛИТИЧЕСКИЙ ОБЗОР …………………………………………………………. 7
1.1 Медицинские аспекты. ………………………………………………………………………….. 7
1.1.1 Актуальность классической рентгенографии ……………………………………. 7
1.1.2 Использование искусственного интеллекта в автоматическом анализе
рентгенологических изображений, текущее состояние. …………………………….. 9
1.2. Описание основных алгоритмов …………………………………………………………. 10
1.2.2 Мультиклассификация …………………………………………………………………… 10
1.2.3 Классификация по нескольким меткам. ………………………………………….. 11
1.2.4 Полносвязные и сверточные нейронные сети. ………………………………… 11
1.2.5 Трансферное обучение. ………………………………………………………………….. 14
1.2.6 Карты активации классов ……………………………………………………………….. 15
1.2.7 Преобразование Фурье …………………………………………………………………… 16
1.3 Существующие алгоритмы автоматического анализа рентгенологических
изображений. ……………………………………………………………………………………………. 18
2. МАТЕРИАЛЫ И МЕТОДЫ ……………………………………………………………………… 23
2.1 Использованные технологии ……………………………………………………………….. 23
2.1.1 Keras ……………………………………………………………………………………………… 23
2.1.2 OpenCV …………………………………………………………………………………………. 24
2.1.3 TensorFlow …………………………………………………………………………………….. 24
2.1.4 NumPy …………………………………………………………………………………………… 24
2.2 Используемые архитектуры нейронных сетей. …………………………………….. 25
2.3 Используемые наборы данных. ……………………………………………………………. 27
2.3.1 NIH Chest X-Ray Dataset…………………………………………………………………. 27
ГЛАВА 3 РЕЗУЛЬТАТЫ ЭКСПЕРИМЕНТОВ. ……………………………………………. 29
3.1 Параметры обучения……………………………………………………………………………. 29
3.2 Обучение со случайной инициализацией весов. …………………………………… 29
3.3 Трансферное обучение с весами, без модификации весов ImageNet ……… 32
3.3.1 Описание экспериментов ……………………………………………………………….. 32
3.3.2 Анализ метрик точности троичных классификаторов по классам. …… 36
3.3.3 Анализ карт активаций классов троичных классификаторов …………… 39
3.3.4 Ансамбль троичных классификаторов. …………………………………………… 44
3.4 Трансферное обучение с изменением весов ImageNet …………………………… 45
3.4.1 Описание экспериментов c VGG19…………………………………………………. 45
3.4.2 Анализ метрик точности мультиклассификаторов VGG19 по классам.
………………………………………………………………………………………………………………. 49
3.4. 3 Анализ карт активаций классов мультиклассификаторов VGG19 …… 55
3.3.4 Описание экспериментов с мультиклассификаторами ResNet50 …….. 58
3.3.5 Анализ метрик точности по классам мультиклассификаторов на основе
ResNet50 ………………………………………………………………………………………………… 58
3.3.6 Анализ карт активаций классов класификаторов на основе ResNet50 60
Обсуждение результатов. ………………………………………………………………………….. 61
ГЛАВА 4. Финансовый менеджмент, ресурсоэффективность и
ресурсосбережение………………………………………………………………………………………. 63
4.1 Предпроектный анализ ………………………………………………………………………… 63
4.1.1 Потенциальные потребители результатов исследования …………………. 63
4.1.2 Анализ конкурентных решений ……………………………………………………… 64
4.1.3 SWOT-анализ ………………………………………………………………………………… 64
4.1.4 Оценка готовности проекта к коммерциализации …………………………… 66
4.1.5 Цели и результаты проекта …………………………………………………………….. 68
4.2 Планирование управления научно-техническим проектом …………………… 69
4.7.1 План проекта …………………………………………………………………………………. 69
4.2.2 Бюджет научного исследования ……………………………………………………… 70
4.2.3 Специальное оборудование для научных работ ………………………………. 71
4.2.4 Основная заработная плата …………………………………………………………….. 72
4.2.5 Дополнительная заработная плата научно-производственного
персонала ………………………………………………………………………………………………. 74
4.2.6 Отчисления на социальные нужды …………………………………………………. 75
4.2.7 Накладные расходы ……………………………………………………………………….. 76
4.2.8 Формирование бюджета затрат научно-исследовательского проекта . 77
4.3 Оценка научного уровня ……………………………………………………………………… 78
Выводы по разделу. ………………………………………………………………………………….. 81
ГЛАВА 5. СОЦИАЛЬНАЯ ОТВЕТСТВЕННОСТЬ ………………………………………. 82
5.1 Правовые аспекты обеспечения безопасности ……………………………………… 83
5.2 Эргономические требования к рабочему месту …………………………………….. 83
5.3 Производственная безопасность ………………………………………………………….. 84
5.3.1 Вредные производственные факторы ……………………………………………… 85
5.3.2 Опасные производственные факторы ……………………………………………… 91
5.4 Экологическая безопасность………………………………………………………………… 92
5.5 Безопасность в чрезвычайных ситуациях …………………………………………….. 93
Выводы по разделу …………………………………………………………………………………… 95
ЗАКЛЮЧЕНИЕ …………………………………………………………………………………………… 95
ПРИЛОЖЕНИЕ A ……………………………………………………………………………………… 101

Актуальность работы. В настоящее время развитие технологий искуственного
интеллекта и машинного обучения, а также накопление больших объемов
медицинских изображений открывают возможность создания систем
автоматического анализа медицинских изображений.
Рентген грудной клетки – это одно из самых простых и распространенных
обследований, применяющихся на данный момент. Его автоматизация
значительно снизит нагрузку на рентгенологов, позволит оценивать качество их
работы и снизит вероятность врачебных ошибок.
Цель работы. целью данной работы является реализация нескольких
алгоритмов машинного обучения для автоматического анализа рентгеновских
изображений, сравнение результатов их работы между собой и с аналогами.
Задачами исследование является:
6. Анализ подходов к решению задачи автоматического описания
рентгенологических изображений;
7. Поиск и анализ датасетов;
8. Реализация и тестирование выбранных архитектур нейронных сетей;
9. Реализация и тестирование выбранных способов предобработки
изображений;
10. Сравнение результатов работы всех реализованных алгоритмов между
собой и с аналогами;
Предмет исследования. Предмет исследования – нейронные сети, используемые
для классификации изображений.

Как было показано в нашей работе, на данный момент существует
вероятность значительных систематических ошибок, при обучении нейронных
сетей классификации рентгенологических изображений. В первую очередь это
связано с используемыми для обучения наборами данных, содержащих
систематические искажения. Перед использованием такого искуственного
интеллекта в клинической практике эта проблема должна быть решена. Мы
видим два пути решения проблемы.
Первый состоит в полностью ручной маркировке, специально подобранных
рентгенологических изображений, исключающих не описанное наличие
сторонних объектов и сложных противоречивых примеров, подготовленным к
такой задаче врачём-рентгенологом. Необходимо дополнительно отмечать
положение пациента. Желательно вручную выделить области патологии, для
обучения таких архитектур, как U-net. В обязательном порядке должен
проводится контроль нейронных сетей с помощью карт активации классов, даже
при высоких показателях точности. Должен производится подбор аритектуры и
способа предобработки изображения максимизирующий результаты как
первого, так и второго способа оценки нейронных сетей. Этот путь требует
значительных временных и финансовых затрат. Вторым путём является
использование обучения без учителя, для предворительной кластеризации
рентгенологических изображений, с последующим обучением их с учителем.
Этот способ может снизить финансовые и временные затраты.

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 А. кандидат наук
    4.7 (18 отзывов)
    Мне нравится изучать все новое, постоянно развиваюсь. Могу написать и диссертацию и кандидатскую. Есть опыт в различных сфера деятельности (туризм, экономика, бухучет... Читать все
    Мне нравится изучать все новое, постоянно развиваюсь. Могу написать и диссертацию и кандидатскую. Есть опыт в различных сфера деятельности (туризм, экономика, бухучет, реклама, журналистика, педагогика, право)
    #Кандидатские #Магистерские
    39 Выполненных работ
    Олег Н. Томский политехнический университет 2000, Инженерно-эконо...
    4.7 (96 отзывов)
    Здравствуйте! Опыт написания работ более 12 лет. За это время были успешно защищены более 2 500 написанных мною магистерских диссертаций, дипломов, курсовых работ. Явл... Читать все
    Здравствуйте! Опыт написания работ более 12 лет. За это время были успешно защищены более 2 500 написанных мною магистерских диссертаций, дипломов, курсовых работ. Являюсь действующим преподавателем одного из ВУЗов.
    #Кандидатские #Магистерские
    177 Выполненных работ
    AleksandrAvdiev Южный федеральный университет, 2010, преподаватель, канд...
    4.1 (20 отзывов)
    Пишу качественные выпускные квалификационные работы и магистерские диссертации. Опыт написания работ - более восьми лет. Всегда на связи.
    Пишу качественные выпускные квалификационные работы и магистерские диссертации. Опыт написания работ - более восьми лет. Всегда на связи.
    #Кандидатские #Магистерские
    28 Выполненных работ
    Дарья П. кандидат наук, доцент
    4.9 (20 отзывов)
    Профессиональный журналист, филолог со стажем более 10 лет. Имею профильную диссертацию по специализации "Радиовещание". Подробно и серьезно разрабатываю темы научных... Читать все
    Профессиональный журналист, филолог со стажем более 10 лет. Имею профильную диссертацию по специализации "Радиовещание". Подробно и серьезно разрабатываю темы научных исследований, связанных с журналистикой, филологией и литературой
    #Кандидатские #Магистерские
    33 Выполненных работы
    Катерина В. преподаватель, кандидат наук
    4.6 (30 отзывов)
    Преподаватель одного из лучших ВУЗов страны, научный работник, редактор научного журнала, общественный деятель. Пишу все виды работ - от эссе до докторской диссертации... Читать все
    Преподаватель одного из лучших ВУЗов страны, научный работник, редактор научного журнала, общественный деятель. Пишу все виды работ - от эссе до докторской диссертации. Опыт работы 7 лет. Всегда на связи и готова прийти на помощь. Вместе удовлетворим самого требовательного научного руководителя. Возможно полное сопровождение: от статуса студента до получения научной степени.
    #Кандидатские #Магистерские
    47 Выполненных работ
    Татьяна П. МГУ им. Ломоносова 1930, выпускник
    5 (9 отзывов)
    Журналист. Младший научный сотрудник в институте РАН. Репетитор по английскому языку (стаж 6 лет). Также знаю французский. Сейчас занимаюсь написанием диссертации по и... Читать все
    Журналист. Младший научный сотрудник в институте РАН. Репетитор по английскому языку (стаж 6 лет). Также знаю французский. Сейчас занимаюсь написанием диссертации по истории. Увлекаюсь литературой и темой космоса.
    #Кандидатские #Магистерские
    11 Выполненных работ
    Мария М. УГНТУ 2017, ТФ, преподаватель
    5 (14 отзывов)
    Имею 3 высших образования в сфере Экологии и техносферной безопасности (бакалавриат, магистратура, аспирантура), работаю на кафедре экологии одного из опорных ВУЗов РФ... Читать все
    Имею 3 высших образования в сфере Экологии и техносферной безопасности (бакалавриат, магистратура, аспирантура), работаю на кафедре экологии одного из опорных ВУЗов РФ. Большой опыт в написании курсовых, дипломов, диссертаций.
    #Кандидатские #Магистерские
    27 Выполненных работ
    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
    Татьяна С. кандидат наук
    4.9 (298 отзывов)
    Большой опыт работы. Кандидаты химических, биологических, технических, экономических, юридических, философских наук. Участие в НИОКР, Только актуальная литература (пос... Читать все
    Большой опыт работы. Кандидаты химических, биологических, технических, экономических, юридических, философских наук. Участие в НИОКР, Только актуальная литература (поставки напрямую с издательств), доступ к библиотеке диссертаций РГБ
    #Кандидатские #Магистерские
    551 Выполненная работа

    Другие учебные работы по предмету