Система класифікації та сегментації медичних зображень для діагностування переломів
Вантажиться...
Дата
2026
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Дипломна робота складається з 142 сторінок, містить 29 рисунків, 8 таблиць, 2 додатків та 20 джерел.
Метою роботи є розробка двостадійного діагностичного пайплайну класифікація і сегментація з інтегрованим механізмом інтерпретованої локалізації на основі теплових карт активацій. Об'єктом дослідження є процес автоматизованої діагностики переломів кісток на основі рентгенівських знімків. Предметом дослідження є методи глибокого навчання для класифікації та піксельної сегментації зон переломів на рентгенографічних зображеннях. У роботі реалізовано та досліджено три архітектури класифікації (ResNet18, ResNet50, ConvNeXtV2-Tiny) та п'ять архітектур сегментації (UNet, U-Net++, DeepLabV3+, Attention DeepLabV3+, Attention U-Net++). Експерименти проводились на датасеті FracAtlas. Якість моделей оцінювалась за метриками Accuracy, F1, ROC-AUC (класифікація) та Dice Score, IoU (сегментація). Результати роботи: найкращу класифікацію забезпечує ConvNeXtV2- Tiny. Серед сегментаційних архітектур найкращі показники демонструє Attention DeepLabV3+. Використання автоматичної CAM-локалізації підвищує Dice сегментації без жодного ручного втручання. Подальший розвиток передбачає розширення навчальної вибірки, вдосконалення механізму локалізації та клінічну валідацію системи на даних із нових медичних закладів.
Опис
Ключові слова
переломи кісток, сегментація зображень, класифікація, рентгенографія, глибинне навчання, штучний інтелект, згорткові нейронні мережі, bone fractures, image segmentation, classification, radiography, deep learning, artificial intelligence, convolutional neural networks
Бібліографічний опис
Панченко, Д. О. Система класифікації та сегментації медичних зображень для діагностування переломів : дипломна робота … бакалавра : 124 Системний аналіз / Панченко Дмитро Олександрович. – Київ, 2026. – 142 с.