Автоматизація процесу сегментації ультразвукових зображень в медичній діагностиці
Вантажиться...
Дата
2024
Автори
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Актуальність теми. Наразі відзначається широке впровадження комп'ютерних технологій у медицині. Використання та аналіз штучного інтелекту визначають перспективну галузь, що сприяє прискоренню розвитку медичної науки. З метою автоматизації, підвищення ефективності та поліпшення точності методів діагностики пропонується застосування згорткових нейронних мереж.
У медицині неможливо уникнути використання зображень, які допомагають лікарям більш ефективно ставити діагнози. Сегментація медичних зображень є важливим етапом обробки. Актуальною задачею є розробка алгоритму для сегментації ультразвукових зображень з метою виявлення та відокремлення новоутворень.
Діагностика та лікування раку молочної залози (МЗ) є життєво важливою проблемою у всьому світі. В Україні та світі одним із найбільш поширених онкологічних захворювань серед жінок є саме рак МЗ. Це захворювання – причина смерті кожної дев’ятої жінки. За ранньої правильної діагностики можливо зменшити рівень летальності.
Мета і завдання дослідження.
Метою роботи є розробка автоматизованої системи сегментації медичних зображень.
Для досягнення поставленої мети роботи потрібно вирішити ряд завдань:
– провести огляд наукової літератури по темі наукового дослідження, розглянути існуючі розробки в сфері діагностики за допомогою нейронних мереж;
– розробити програмні алгоритми;
– зробити підбір параметрів і метрик;
– провести тестування алгоритму;
– навчити нейронну мережу.
Об’єкт дослідження – процес автоматизованого аналізу ультразвукових зображень.
Предмет дослідження – методи автоматизованої семантичної сегментації ультразвукових медичних зображень.
Методи дослідження. Для вирішення поставлених задач проведено аналіз інформації про існуючі розробки в діагностики за допомогою машинного навчання, ознайомлення з теоретичним матеріалом, проведення порівняльного аналізу наявних методів діагностики, архітектур, навчання розроблених алгоритмів.
Наукова новизна отриманих результатів. Результатом розробки є система сегментації ультразвукових зображень молочних залоз. Новизна створеної система полягає в підвищенні точності діагностики.
Практичне значення отриманих результатів роботи полягає в тому, що отримана система дозволяє автоматизована ефективно діагностувати захворювання.
Публікації. За використанням отриманих в кваліфікаційній роботі магістра було опубліковано працю конференції «Підвищення ефективності сегментації ультразвукових зображень із використанням мережі Attention U-Net» у збірник праць XIX Всеукраїнської науково-практичної конференції студентів, аспірантів та молодих вчених «Ефективність та автоматизація інженерних рішень у приладобудуванні».
Структура роботи. Кваліфікаційна робота магістра складається з пояснювальної записки та графічних матеріалів. Пояснювальна записка містить вступ, 5 розділів, висновки, список використаних джерел та додатки. Обсяг роботи: пояснювальна записка – 78 аркушів формату А4, 29 ілюстрацій, 29 таблиць, було опрацьовано 42 джерела.
Опис
Ключові слова
сегментація, ультразвук, нейронні мережі, медичні зображення, segmentation, ultrasound, neural networks, medical images
Бібліографічний опис
Заболуєва, М .Ю. Автоматизація процесу сегментації ультразвукових зображень в медичній діагностиці : магістерська дис. : 151 Автоматизація та комп'ютерно-інтегровані технології / Заболуєва Марта Юріївна. – Київ, 2024.– 85 с.