Метод побудови комп'ютерних засобів для виявлення розладів здоров'я за райдужкою ока
Вантажиться...
Дата
2025
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Актуальність теми. У сучасній медицині зростає потреба в автоматизованих системах діагностики, які забезпечують швидке, точне та доступне виявлення розладів здоров’я. Райдужка ока, як унікальна біометрична структура, може містити інформацію про стан організму, що робить її перспективним об’єктом для неінвазивної діагностики. Традиційні методи аналізу райдужки, такі як іридологія, є суб’єктивними та трудомісткими, тоді як існуючі автоматизовані підходи часто недостатньо враховують складність патологічних змін, чутливі до якості зображень та не забезпечують належної інтерпретованості результатів. Розробка комп’ютерних засобів та методів для автоматичного аналізу зображень райдужки з використанням сучасних технологій комп’ютерного зору, машинного та глибокого навчання є актуальною науково-практичною задачею, що має як наукове, так і практичне значення, сприяючи розвитку неінвазивних діагностичних підходів та потенційно телемедицини.
Об’єктом дослідження є процес автоматизованого аналізу зображень райдужної оболонки ока для діагностики стану здоров'я.
Предметом дослідження є методи та алгоритми попередньої обробки зображень райдужки, сегментації, гібридного виділення діагностичних ознак, класифікації та інтерпретації результатів в системах комп'ютерної іридодіагностики.
Мета роботи: запропонувати інтегрований багатокомпонентний метод аналізу зображень райдужної оболонки ока для діагностики стану здоров'я, що характеризується підвищеною точністю, робастністю до умов отримання зображень та високим рівнем інтерпретованості діагностичних висновків, а також оцінити його потенційну ефективність.
Наукова новизна полягає в наступному:
1. Запропоновано комплексну інтегровану архітектуру методу комп'ютерної іридодіагностики (ІБМАР-ПІР), що синергетично поєднує робастну попередню обробку зображень з контролем якості, ансамблеву глибоку сегментацію, гібридне виділення та злиття різнорідних діагностичних ознак, та модуль класифікації з інтеграцією методів пояснювального штучного інтелекту (XAI).
2. Запропоновано новий підхід до гібридного виділення ознак, де ознаки, автоматично вивчені згортковою нейронною мережею (CNN) з механізмами уваги, доповнюються цілеспрямовано виділеними класичними іридологічними (топологічними та кольоровими) ознаками, з подальшим їх інтелектуальним об'єднанням.
3. Обґрунтовано систематичне використання ансамблю моделей сегментації та методів оцінки невизначеності діагностичного прогнозу як невід'ємних частин діагностичного конвеєра для підвищення надійності та достовірності результатів.
4. Адаптовано методи XAI (зокрема, SHAP, LIME, Grad-CAM) для одночасного пояснення внеску як глибоких, так і явних іридологічних ознак у кінцевий діагностичний висновок, забезпечуючи підвищений рівень прозорості.
5. Запропонований спеціалізований модуль контролю якості вхідних зображень та адаптивної попередньої обробки, інтегрований в загальний діагностичний конвеєр.
Практична цінність отриманих в роботі результатів полягає в тому, що:
1. Запропонований метод ІБМАР-ПІР створює науково-методологічне підґрунтя для розробки комп'ютерних систем, здатних забезпечувати більш точне та надійне виявлення ознак розладів здоров’я за райдужкою ока, що може бути використано в медичних закладах та потенційно в телемедичних системах як допоміжний діагностичний інструмент.
2. Запропонований підхід, завдяки підвищеній робастності та інтерпретованості, дозволяє оптимізувати процес діагностики, зменшуючи залежність від суб’єктивних оцінок та підвищуючи довіру до автоматизованих систем.
3. Результати роботи можуть бути застосовані для подальших наукових досліджень у галузі комп'ютерної діагностики, навчання медичного персоналу новітнім методам аналізу медичних зображень та для вдосконалення існуючих комп’ютеризованих діагностичних систем.
Апробація роботи. Основні положення та результати дослідження представлено на наукових семінарах кафедри системного програмування і спеціалізованих комп’ютерних систем, а також підготовлено до публікації у фахових виданнях.
Структура та обсяг роботи. Магістерська дисертація складається зі вступу, п'яти розділів, загальних висновків та списку використаних джерел.
У вступі обґрунтовано актуальність теми, визначено мету, задачі, об’єкт і предмет дослідження, а також висвітлено наукову новизну та практичну цінність роботи.
У першому розділі проаналізовано сучасний стан проблеми комп'ютерної іридодіагностики, розглянуто існуючі методи та системи, виявлено їхні переваги, недоліки та напрямки для вдосконалення.
У другому розділі досліджено теоретичні основи побудови комп'ютерних засобів для іридодіагностики, включаючи анатомо-фізіологічні особливості райдужки, методи обробки зображень та алгоритми машинного навчання, що застосовуються в даній галузі.
У третьому розділі детально розроблено новий інтегрований багатокомпонентний метод аналізу зображень райдужки ока (ІБМАР-ПІР) з підвищеною інтерпретованістю та робастністю, описано його архітектуру та функціональність кожного модуля.
У четвертому розділі представлено методологію експериментальної перевірки запропонованого методу ІБМАР-ПІР, включаючи опис наборів даних, метрик оцінки, базових методів для порівняння та очікуваних результатів.
У п'ятому розділі розглянуто аспекти потенційної практичної реалізації розробленого методу, надано рекомендації щодо його впровадження в клінічну практику, обговорено обмеження та напрямки подальших досліджень.
У загальних висновках підсумовано результати дослідження, сформульовано основні наукові та практичні результати, підтверджено досягнення поставленої мети та виконання завдань дисертації.
Робота охоплює (кількість) сторінок, містить (кількість) рисунків, (кількість) таблиць і (кількість) джерел у списку використаної літератури.
.
Опис
Ключові слова
іридодіагностика, комп'ютерна діагностика, аналіз зображень райдужки, обробка зображень, машинне навчання, глибоке навчання, згорткові нейронні мережі (CNN), виділення ознак, сегментація, класифікація, пояснювальний ШІ (XAI), робастність, інтерпретованість, iridology, computerized diagnostics, iris image analysis, image processing, machine learning, deep learning, convolutional neural networks (CNN), feature extraction, segmentation, classification, eXplainable AI (XAI), robustness, interpretability
Бібліографічний опис
Заварін, В. О. Метод побудови комп'ютерних засобів для виявлення розладів здоров'я за райдужкою ока : магістерська дис. : 123 Комп'ютерна інженерія / Заварін Валентин Олександрович . – Київ, 2025. – 119 с.