Біомедична інженерія і технологія, № 11

Постійне посилання зібрання

https://ela.kpi.ua/handle/123456789/62426

Переглянути

Перегляд Біомедична інженерія і технологія, № 11 за Автор "Настенко, Євген Арнольдович"

Зараз показуємо 1 - 2 з 2
  • Ескіз
    ДокументВідкритий доступ
    Класифікація туберкульозних уражень легень методом позиційного голосування за даними компютерної томографії
    (КПІ ім. Ігоря Сікорського, 2023) Матвійчук, Олександр; Настенко, Євген Арнольдович
    У дослідженні розглядається розробка процесу класифікації хіміочутливого та хіміорезистентного туберкульозу. Система що реалізує даний процес складається з двох етапів: відбору інформативного ансамблю ознак та навчання класифікатора. Відбір інформативного ансамблю ознак відбувається на зображеннях компʼютерної томографії легень за допомогою матриць текстурних характеристик. Отримані ознаки фільтруються методом клас орієнтованої селекції в інформативний ансамбль. Навчання класифікатора “Random Forest” відбувається на сформованому селекцією ансамблі. До методу голосування “Random Forest“ запропоновано покращення, яке оптимізує структуру та параметри функції голосування, та персоналізує сформований колектив голосуючих експертів .Дана система голосування збільшує точність класифікації на 5%, Система класифікації на виділених областях інтересу досягла точності у 88%. Результати демонструють ефективність реалізованого рішення при розв’язанні задачі класифікації типів ураження легень: «хіміочутливий», «хіміорезистентний».
  • Ескіз
    ДокументВідкритий доступ
    Сучасні підходи до аналізу медичних зображень
    (КПІ ім. Ігоря Сікорського, 2023) Гончарук, Максим Олександрович; Настенко, Євген Арнольдович; Алхімова, Світлана Миколаївна
    У даній статті виконано огляд сучасних підходів аналізу медичних зображень на прикладі магнітно-резонансної томографії (МРТ) голови людини. За допомогою глибинного навчання автори досліджують різні методи автоматичної сегментації, класифікації та діагностики уражень голови людини таких як гостру та підгостру форми інсульту і пухлинні утворення. Серед методів розглядаються можливості використання трансформерних моделей, згорткових нейронних мереж і метода розкладу невід'ємних матриць та їх комбінації. На жаль, для коректного порівняння результатів роботи нейронних мереж, як мінімум тренувальна та екзаменаційна вибірки не можуть відрізнятися в межах одного набору даних. Тому наведено результати ефективності кожного з підходів для ознайомлення. Підходи, розглянуті в даній статті, обрані таким чином, щоб експериментальні набори даних використовувалися між обраними дослідженнями та були у відкритому доступі. Це було зроблено, щоб у разі потреби мати змогу повторити експеримент або ж порівняти з ефективністю іншого підходу. Також, через властивість нейронних мереж, є змога використати досліджені алгоритми для вирішення задач сегментації в іншому домені. Наприклад, використовуючи дані комп’ютерної томографії(КТ) сегментувати ділянки легень, що ураженні COVID-19 чи пневмонією. Або для сегментації фіброзних утворень печінки на зображеннях ультразвукової діагностики та еластографії. Загалом, дана стаття проводить огляд сучасних досягнень та демонструє розвиток та можливості глибинного навчання в області аналізу медичних зображень для поліпшення діагностики та лікування і підтримки прийняття медичних рішень.