Біомедична інженерія і технологія, № 11

Постійне посилання зібрання

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

Переглянути

Перегляд Біомедична інженерія і технологія, № 11 за Ключові слова "artificial intelligence"

Зараз показуємо 1 - 1 з 1
  • Ескіз
    ДокументВідкритий доступ
    Згорткова нейронна мережа для сегментації судин сітківки ока
    (КПІ ім. Ігоря Сікорського, 2023) Добровська, Людмила Миколаївна; Назарага, Ярослав Русланович
    Важливе значення для постановки діагнозу при різних офтальмологічних захворюваннях відіграє дослідження, моніторинг та оцінка судин сітківки ока. Ідентифікація конкретних об’єктiв-патологій на зображеннях зводиться до розв’язання задач сегментації. Сегментація судин сітківки є ключовим кроком до точної візуалізації, діагностики захворювань ока, раннього лікування та планування хірургічного втручання. Саме тому важливою задачею є автоматизована сегментація судин сітківки. Мета даної роботи полягала у розробці програмного застосунку для сегментації зображень судин сітківки ока з використанням машинного навчання у вигляді згорткової нейронної мережі. Наразі найточнішими є нейромережеві методи сегментації, а саме методи на основі глибокого навчання. База знімків, яка використовувалась для дослідження, була взята з загальнодоступного набору даних DRIVE, що надає еталонні сегментації (маски) для кожного зображення, для половини з яких застосовано аугментацію. Це надає змогу обчислити оцінки продуктивності моделі. Під час першого етапу дослідження було встановлено, що наразі до найпоширеніших: 1) критеріїв, за якими кількісно можна оцінити якість сегментації, належать такі метрики: intersection over union; аccuracy; precision; sensitivity; specificity; F1-score; dice coefficient; loss function; 2) мереж, здатних виконувати сегментацію зображень, належать такі: FCN, SegNet, U-Net, FC-Densenet, E-Net, Link-Net, RefineNet, PSPNet. Для вирішення задачі сегментації зображень судин сітківки ока виконано порівняння вказаних мереж за точністю, перевагами та обмеженнями. Встановлено, що враховуючи точність, найкраще для вирішення вказаної задачі підходять мережі DeepLab, PSPNet, U-Net. Другий етап дослідження полягав у розробці програмного застосунку (ПЗ), порівнянні та оцінюванні показників якості відомих систем сегментації судин сітківки та розробленого ПЗ. Результатом дослідження є розробка ПЗ, який надає такі оцінки за метриками: accuracy=0.9452, sensitivity = 0.8991, specificity= 0.9468, dice= 0.8247. Ці показники якості отримано під час роботи розробленого ПЗ.