Процес ідентифікації уражень легенів на знімках комп’ютерної томографії при COVID-19

Скорочена інформація про документ
dc.contributor.authorДавидько, Олександр
dc.contributor.authorМатвійчук, Олександр
dc.date.accessioned2023-05-03T09:59:49Z
dc.date.available2023-05-03T09:59:49Z
dc.date.issued2023
dc.description.abstractУ поточному дослідженні розглядається розробка 4-етапного процесу для ідентифікації уражень легень спричинених COVID-19. Система, що реалізує даний процес використовує згорткові та повнозв’язні нейронні мережі, логістичного самоорганізованого лісу із формуванням вирішального класифікаційного правила за принципами методу групового урахування аргументів. Дана система також містить механізм для обчислення відносного об’єму ушкодження легенів. Підсистема для пошуку зображень з ураженнями досягла якості класифікації з коефіцієнтом кореляції Метьюза 0,98. Підсистема для сегментації уражень досягла метрики Dice score 0,74, а система для класифікації уражень досягла F1-score 1, 0,95, 0,93 для типів ураження «матове скло», «бруківка», «консолідація» відповідно. Результати демонструють ефективність реалізованого багаторівневого рішення при розв’язанні завдань ідентифікації та класифікації уражень легенів.uk
dc.description.abstractothercurrent research discusses the development of a 4-stage process for identifying lung damage caused by COVID-19. The system is built on this process and uses convolutional and fully connected neural networks, a logistic self-organizing forest with the formation of a decisive classification rule based on the principles of the group method of data handling (GMDH). This system also includes a mechanism for calculating the relative volume of lung damage. The subsystem for searching for images with damage achieved a Matthews correlation coefficient of 0.98. The subsystem for segmenting lesions achieved a Dice score metric of 0.74, and the system for classifying lesions achieved F1-scores of 1.0, 0.95, and 0.93 for the types of damage "ground-glass," "paving stone," and "consolidation," respectively. The results demonstrate the effectiveness of the implemented multi-level solution in solving tasks of identifying and classifying lung damage.uk
dc.format.pagerangeС. 63-70uk
dc.identifier.citationДавидько, О. Процес ідентифікації уражень легенів на знімках комп’ютерної томографії при COVID-19 / Олександр Давидько, Олександр Матвійчук // Біомедична інженерія і технологія. – 2023. – № 9. – С. 63-70.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/55246
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.relation.ispartofЖурнал Біомедична інженерія і технологія, № 9, 2023uk
dc.subjectтекстурний аналізuk
dc.subjectнейронні мережіuk
dc.subjectметод групового урахування аргументівuk
dc.subjectCOVID-19uk
dc.subjectмедичні зображенняuk
dc.subjecttextural analysisuk
dc.subjectneural networksuk
dc.subjectgroup method of data handlinguk
dc.subjectCOVID-19uk
dc.subjectmedical imagesuk
dc.subject.udc004.81 + 616-006uk
dc.titleПроцес ідентифікації уражень легенів на знімках комп’ютерної томографії при COVID-19uk
dc.typeArticleuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
BmT-2023-9_p63-70.pdf
Розмір:
376.01 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, № 9