Способ сегментации лёгких на снимках КТ с использованием методов глубокого обучения

Войцеховский, Алексей Алексеевич Отделение информационных технологий (ОИТ)
Бесплатно
В избранное
Работа доступна по лицензии Creative Commons:«Attribution» 4.0

Цель данной работы – разработка способа сегментации легких на снимках КТ с использованием методов глубокого обучения.для повышении эффективности работы врача-радиолога для описания состояния легких по данным КТ. Разработанное программное обеспечение позволяет сегментировать область легкого на срезе с помощью технологий глубокого обучения.

Реферат …………………………………………………………………………………………. 10
Оглавление ……………………………………………………………………………………. 11
Введение……………………………………………………………………………………….. 14
1 Обзор литературы ………………………………………………………………………. 15
1.1 Глубокое обучени ……………………………………………………………………. 15
1.2 Переобучение нейронных сетей и методы предотвращения
переобучения …………………………………………………………………………………………… 17
1.3 Свёрточные нейронные сети…………………………………………………….. 19
1.3 Архитектуры для семантической сегментации …………………………. 23
1.4 Архитектуры энкодеров …………………………………………………………… 24
1.3.1 Архитектура ResNet ………………………………………………………………. 25
1.3.2 Архитектура MobileNetV2 …………………………………………………….. 26
1.3.3 Архитектура EfficientNet ……………………………………………………….. 27
1.4 Предварительное обучение ………………………………………………………. 28
1.5 Аугментация данных ……………………………………………………………….. 28
2 Объект и методы исследования …………………………………………………… 29
2.1 Описание используемых программных и аппаратных средств ….. 29
2.1 Данные для обучения и тестирования ………………………………………. 30
2.2 Аугментация обучающей выборки …………………………………………… 31
2.3 Обучение моделей……………………………………………………………………. 33
3 Результаты проведенного исследования ……………………………………… 35
4 Финансовый менеджмент, ресурсоэффективность и энергосбережение
………………………………………………………………………………………………………………… 40
4.1 Предпроектный анализ …………………………………………………………….. 40
4.2 Технология QuaD …………………………………………………………………….. 41
4.3 SWOT-анализ…………………………………………………………………………… 42
4.4 Оценка готовности научно-исследовательского проекта к
коммерциализации …………………………………………………………………………………… 47
4.5 Инициация научно-исследовательского проекта ………………………. 49
4.6 Планирование научно-исследовательских работ ………………………. 50
4.6.1 Организационная структура научно-исследовательского проекта50
4.6.2 Структура работ в рамках научного исследования …………………. 51
4.6.3 Определение трудоемкости выполнения работ ………………………. 52
4.6.4 Разработка графика проведения научного исследования ………… 56
4.7 Бюджет научно-технического исследования …………………………….. 58
4.7.1 Расчет материальных затрат ………………………………………………….. 58
4.7.2 Расчет затрат на специальное оборудование для научных работ59
4.7.3 Расчет затрат на амортизацию оборудования …………………………. 59
4.7.4 Основная заработная плата исполнителям работы …………………. 60
4.7.5 Дополнительная заработная плата …………………………………………. 62
4.7.6 Отчисления во внебюджетные фонды ……………………………………. 62
4.7.7 Накладные расходы ………………………………………………………………. 63
4.7.8 Контрагентные расходы ………………………………………………………… 64
4.7.9 Формирование бюджета затрат научно-исследовательского проекта
………………………………………………………………………………………………………………… 64
4.8 Риски научно-исследовательского проекта ………………………………. 65
4.9 Выводы по разделу финансовый менеджмент…………………………… 66
5 Социальная ответственность ………………………………………………………. 67
5.1 Введение …………………………………………………………………………………. 67
5.2 Правовые и организационные вопросы обеспечения безопасности67
5.3 Профессиональная социальная безопасность ……………………………. 69
5.3.1 Отклонение показателей микроклимата …………………………………. 70
5.3.2 Превышение уровня шума …………………………………………………….. 71
5.3.3 Освещение ……………………………………………………………………………. 72
5.3.4 Психофизиологические факторы при работе с компьютером …. 76
5.3.5 Повышенное значение напряжения в электрической цепи,
замыкание которой может произойти через тело человека ………………………… 77
5.4 Экологическая безопасность ……………………………………………………. 78
5.5 Безопасность в чрезвычайных ситуациях …………………………………. 79
5.6 Выводы по разделу ………………………………………………………………….. 81
Заключение …………………………………………………………………………………… 82
Список публикаций и научных достижений …………………………………… 83
Список используемых источников…………………………………………………. 84
Приложение А ………………………………………………………………………………. 88
1.1 Deep learning ……………………………………………………………………………. 89
1.2 Neural networks overfitting and methods for preventing overfitting … 91
1.3 Convolutional neural networks ……………………………………………………. 92
1.4 Semantic segmentation architectures ……………………………………………. 95
1.5 Encoders architectures ……………………………………………………………….. 97
1.5.1 ResNet …………………………………………………………………………………… 97
Figure 4. Residual block in ResNet …………………………………………………… 98
1.5.2 MobileNetV2 …………………………………………………………………………. 98
1.5.3 EfficientNet ……………………………………………………………………………. 99
1.6 Transfer learning ……………………………………………………………………….. 99
1.7 Data augmentation …………………………………………………………………… 100
References ……………………………………………………………………………………. 101
Приложение Б. Исходный код процесса обучения и проверки моделей
………………………………………………………………………………………………………………. 103

Современное компьютерное зрение является динамично развивающейся
областью информационных технологий. Во многом этом связано с широким
распространением методов глубокого обучения, способных решать множество
задач, в том числе связанных с анализом медицинских изображений.
Компьютерное зрение активно развивается в качестве инструмента
автоматизации диагностики заболеваний. В том числе производятся попытки
автоматического поиска патологий лёгких и других органов на снимках
компьютерной томографии и других методов диагностики. Для того чтобы
правильно найти заболевание на этих изображениях, имеет смысл сначала
выделить непосредственно исследуемый орган. Поэтому в данной работе
рассматривается использование методов глубокого обучения для сегментации
лёгких на снимках КТ.
1 Обзор литературы
1.1 Глубокое обучени

В ходе данной работы был рассмотрен датасет со снимками легких КТ и
предложено использование модели глубокого обучения Unet с энкодерами на
основе архитектур ResNet-34, MobileNetV2 и EfficientNet-B0, предобученных на
датасете ImageNet. Для раширения обучающей выборки были использованы
аугментации сдвига, вращения вокруг центра, увеличения, и отражения вокруг
горизонтальной оси. На языке программирования Python с использованием
фреймворка Tensorflow, библиотек scikit-learn и segmentation-models было
реализовано программное обеспечение для подготовки и аугментации данных,
обучения моделей и их проверки на обучающей выборке. После обучения
модели были проверена на тестовой выборке, лучший результат показала
модель на основе архитектуры EfficientNet-B0 – метрика IoU составила 0.9722.
Также данная архитектура является оптимальной по точности и размеру
модели.
Список публикаций и научных достижений
Участие в конференциях:
1. Диплом II степени за лучший доклад на подсекции 3.4 «Вычислительный
интеллект» Международной научно-технической конференции студентов,
аспирантов и молодых ученых «НАУЧНАЯ СЕССИЯ ТУСУР», г. Томск,
25-27 мая 2020 г.
Участие в конкурсах:
1. Диплом I степени на конкурсе по решению бизнес-кейсов в сфере
медицины “МедХакатон”, г. Томск, сентябрь 2018 г.;
2. Диплом за 3 место на II отборочных соревнованиях Digital Skills Томской
области, г. Томск, май 2019 г.ы

Публикации:
1. Zarnitsyn A. Y. et al. Development of the video stream object detection
algorithm (VSODA) with tracking // EAI Endorsed Transactions on Energy
Web. – 2019. – Т. 6. – №. 22.

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 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
    Анна Н. Государственный университет управления 2021, Экономика и ...
    0 (13 отзывов)
    Закончила ГУУ с отличием "Бухгалтерский учет, анализ и аудит". Выполнить разные работы: от рефератов до диссертаций. Также пишу доклады, делаю презентации, повышаю уни... Читать все
    Закончила ГУУ с отличием "Бухгалтерский учет, анализ и аудит". Выполнить разные работы: от рефератов до диссертаций. Также пишу доклады, делаю презентации, повышаю уникальности с нуля. Все работы оформляю в соответствии с ГОСТ.
    #Кандидатские #Магистерские
    0 Выполненных работ
    Дмитрий Л. КНЭУ 2015, Экономики и управления, выпускник
    4.8 (2878 отзывов)
    Занимаю 1 место в рейтинге исполнителей по категориям работ "Научные статьи" и "Эссе". Пишу дипломные работы и магистерские диссертации.
    Занимаю 1 место в рейтинге исполнителей по категориям работ "Научные статьи" и "Эссе". Пишу дипломные работы и магистерские диссертации.
    #Кандидатские #Магистерские
    5125 Выполненных работ
    Андрей С. Тверской государственный университет 2011, математический...
    4.7 (82 отзыва)
    Учился на мат.факе ТвГУ. Любовь к математике там привили на столько, что я, похоже, никогда не перестану этим заниматься! Сейчас работаю в IT и пытаюсь найти время на... Читать все
    Учился на мат.факе ТвГУ. Любовь к математике там привили на столько, что я, похоже, никогда не перестану этим заниматься! Сейчас работаю в IT и пытаюсь найти время на продолжение диссертационной работы... Всегда готов помочь! ;)
    #Кандидатские #Магистерские
    164 Выполненных работы
    Оксана М. Восточноукраинский национальный университет, студент 4 - ...
    4.9 (37 отзывов)
    Возможно выполнение работ по правоведению и политологии. Имею высшее образование менеджера ВЭД и правоведа, защитила кандидатскую и докторскую диссертации по политоло... Читать все
    Возможно выполнение работ по правоведению и политологии. Имею высшее образование менеджера ВЭД и правоведа, защитила кандидатскую и докторскую диссертации по политологии.
    #Кандидатские #Магистерские
    68 Выполненных работ
    Катерина М. кандидат наук, доцент
    4.9 (522 отзыва)
    Кандидат технических наук. Специализируюсь на выполнении работ по метрологии и стандартизации
    Кандидат технических наук. Специализируюсь на выполнении работ по метрологии и стандартизации
    #Кандидатские #Магистерские
    836 Выполненных работ
    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
    Евгения Р.
    5 (188 отзывов)
    Мой опыт в написании работ - 9 лет. Я специализируюсь на написании курсовых работ, ВКР и магистерских диссертаций, также пишу научные статьи, провожу исследования и со... Читать все
    Мой опыт в написании работ - 9 лет. Я специализируюсь на написании курсовых работ, ВКР и магистерских диссертаций, также пишу научные статьи, провожу исследования и создаю красивые презентации. Сопровождаю работы до сдачи, на связи 24/7 ?
    #Кандидатские #Магистерские
    359 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

    Другие учебные работы по предмету

    Интеллектуальный анализ текстовых данных с rnприменением методов машинного обучения
    📅 2019год
    🏢 Национальный исследовательский Томский политехнический университет (ТПУ)