Класифікатор стану печінки у дітей з патологією гепатобіліарної системи за текстурними статистиками ультразвукового дослідження

Скорочена інформація про документ
dc.contributor.authorНастенко, Є. А.
dc.contributor.authorЯнковий, І. О.
dc.date.accessioned2020-05-26T13:15:47Z
dc.date.available2020-05-26T13:15:47Z
dc.date.issued2019
dc.description.abstractenWith the results of ultrasound diagnostics of the liver, it is possible to diagnose the presence of diffuse liver diseases. At the entrance it was received a set of medical images of ultrasound diagnostics of the liver. In this work, texture analysis methods were applied to the images, therefore it was received 96 statistical features. All received data were brought to the standard distribution. The number of attributes has been reduced while retaining significant information through the principal component analysis. The construction of the classifier model is considered, the comparison of the efficiency of the model of random forest, logistic regression and multilayer perceptron is given. The accuracy of the model was evaluated using the cross-validation. The best result got the model of multivariate logistic regression - 77%. The system for prediction of possible liver disease in children is developed with the help of texture analysis of the results of sonography. The obtained system visualizes the results of prediction and their accuracy in order to simplify the decision-making process of the ultrasound diagnostics doctor.uk
dc.description.abstractruПо результатам ультразвукового исследования печенки можно диагностировать наличие диффузных заболеваний печени. На входе было получено набор медицински зображений ультразвуковой діагностики печени. В даннойработе к изображениям были применены методы текстурного анализа, в результате чего было получено 96 статистических признаков. Все полученные данные были приведены к стандартному распределению. Количество признаков было сокращена при сохранении значимой информации с помощью ядерной методики главных компонентов. Рассмотрено построение модели классификатора, приведено сравнение эффективности модели случайного леса, логистической регрессии и многослойного персептрона. Проведена оценк точности модели с помощью метода перекрестной проверки. Лучший результат показала модель мультиномиальной логистической регрессии - 77%. Разработана система для прогнозирования возможных патологии печени у детей с помощью текстурного анализа результатов сонографии. Полученная система визуализирует результат прогнозирования и их точность для упрощени процесса приняти решений врачом ультразвуковой диагностики.uk
dc.description.abstractukЗа результатами ультразвукового дослідження печінки можна діагностувати наявність дифузних захворювань печінки.На вході було отримано набір медичних зображень ультразвукової діагностики печінки. В даній роботі до зображень було застосовано методи текстурного аналізу, внаслідок чого було отримано 96 статистичних ознак. Всі отримані дані були приведені до стандартного розподілу. Кількість ознак була скорочена при збереженні вагомої інформації за допомогою ядрової методики головних компонент. Розглянуто побудову моделі класифікатора, наведено порівняння ефективності моделі випадкового лісу, логістичної регресії та багатошарового перцептрону. Проведено оцінювання точності моделі за допомогою методу перехресної перевірки. Найкращий результат показала модель мультиноміальної логістичної регресії – 77%. Розроблено систему для прогнозування можливих патології печінки у дітей за допомогою текстурного аналізу результатів сонографії. Отримана система візуалізує результати прогнозування та їх точність для спрощення процесу прийняття рішень лікарем з ультразвукової діагностики.uk
dc.format.pagerangeС. 15-23uk
dc.identifier.citationНастенко, Є. А. Класифікатор стану печінки у дітей з патологією гепатобіліарної системи за текстурними статистиками ультразвукового дослідження / Настенко Є. А., Янковий І. О. // Біомедична інженерія і технологія. – 2019. – №2. – С. 15-23. – Бібліогр.: 22 назви.uk
dc.identifier.doihttps://doi.org/10.20535/2617-8974.2019.2.184714
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/33762
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.sourceБіомедична інженерія і технологія, 2019, №2uk
dc.subjectкласифікаціяuk
dc.subjectтекстурний аналізuk
dc.subjectтекстурні статистикиuk
dc.subjectметод головних компонентuk
dc.subjectядрові методиuk
dc.subjectперехресна перевіркаuk
dc.subjectдифузні захворювання печінкиuk
dc.subjectультразвукова діагностикаuk
dc.subjectдитячі захворюванняuk
dc.subjectclassificationuk
dc.subjecttextural analysisuk
dc.subjecttextural statisticsuk
dc.subjectprincipal component analysisuk
dc.subjectkernel methodsuk
dc.subjectcrossvalidationuk
dc.subjectdiffuse liverdiseasesuk
dc.subjectultrasound diagnosticsuk
dc.subjectchild hoodillnessesuk
dc.subjectклассификацияuk
dc.subjectтекстурный анализuk
dc.subjectтекстурные статистикиuk
dc.subjectметод главных компонентовuk
dc.subjectядерные методыuk
dc.subjectперекрестная проверка,uk
dc.subjectдиффузные заболевания печениuk
dc.subjectультразвуковая диагностикаuk
dc.subjectдетские заболеванияuk
dc.subject.udc004.932.2uk
dc.titleКласифікатор стану печінки у дітей з патологією гепатобіліарної системи за текстурними статистиками ультразвукового дослідженняuk
dc.typeArticleuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
BmET-2019-2_p15-23.pdf
Розмір:
1.02 MB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
9.06 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Біомедична інженерія і технологія, № 2