Сучасні підходи до аналізу медичних зображень

Скорочена інформація про документ
dc.contributor.authorГончарук, Максим Олександрович
dc.contributor.authorНастенко, Євген Арнольдович
dc.contributor.authorАлхімова, Світлана Миколаївна
dc.date.accessioned2023-11-27T07:47:52Z
dc.date.available2023-11-27T07:47:52Z
dc.date.issued2023
dc.description.abstractУ 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.uk
dc.description.abstractotherThis article provides an overview of modern approaches to the analysis of medical images using the example of magnetic resonance imaging (MRI) of the human head. With the help of deep learning, the authors investigate various methods of automatic segmentation, classification and diagnosis of lesions of the human head, such as acute and subacute forms of stroke and tumor formations. Among the methods, the possibilities of using transformer models, convolutional neural networks and the method of decomposition of integral matrices and their combination are considered. Unfortunately, for a correct comparison of the results of neural networks, at least the training and examination samples cannot differ within the same data set. Therefore, the results of the effectiveness of each of the approaches are given for familiarization. The approaches discussed in this article are chosen so that the experimental data sets are shared between the selected studies and are publicly available. This was done in order to be able to repeat the experiment, if necessary, or to compare with the effectiveness of one's own approach. Also, due to the property of neural networks, it is possible to use the studied algorithms to solve segmentation problems in another domain. For example, using computertomography (CT) data to segment areas of the lungs affected by COVID-19 or pneumonia. Or for the segmentation of fibrous formations of the liver on the images of ultrasound diagnostics and elastography.. In general, this article provides an overview of current achievements and demonstrates the development and possibilities of deep learning in the field of medical image analysis to improve diagnosis, treatment and support in medical decision-making.uk
dc.format.pagerangePp. 56-61uk
dc.identifier.citationГончарук, М. Сучасні підходи до аналізу медичних зображень / Гончарук Максим Олександрович, Настенко Євген Арнольдович, Алхімова Світлана Миколаївна // Біомедична інженерія і технологія. – 2023. – № 11. – С. 56-61. – Бібліогр.: 18 назв.uk
dc.identifier.doihttps://doi.org/10.20535/2617-8974.2023.11.287960
dc.identifier.issn2707-8434
dc.identifier.orcid0000-0003-1537-4198uk
dc.identifier.orcid0000-0002-1076-9337uk
dc.identifier.orcid0000-0002-9749-7388uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/62451
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.relation.ispartofБіомедична інженерія і технологія, № 11uk
dc.subjectпухлина мозкуuk
dc.subjectглибинне навчанняuk
dc.subjectішемічний інсультuk
dc.subjectоглядuk
dc.subjectтомографіяuk
dc.subjectbrain neoplasmsuk
dc.subjectdeep learninguk
dc.subjectischemic strokeuk
dc.subjectreviewuk
dc.subjecttomographyuk
dc.subject.udc004.852uk
dc.titleСучасні підходи до аналізу медичних зображеньuk
dc.title.alternativeModern approaches to the analysis of medical imagesuk
dc.typeArticleuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
287960-669856-1-10-20231031.pdf
Розмір:
298.38 KB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
9.1 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Біомедична інженерія і технологія, № 11