Технологія ієрархічної класифікації в задачах діагностики патологій за медичними зображеннями різних модальностей
Вантажиться...
Дата
2025
Автори
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Бабенко В.О. Технологія ієрархічної класифікації в задачах діагностики патологій за медичними зображеннями різних модальностей. – Кваліфікаційна наукова праця на правах рукопису.
Дисертація на здобуття наукового ступеня доктора філософії за спеціальністю 122 – «Комп’ютерні науки». – Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського», Київ, 2025.
Дисертаційна робота складається зі вступу, чотирьох розділів, висновків, списку використаних джерел і додатків, має загальний обсяг 155 сторінок. У роботі наведено 18 рисунків, 25 таблиць. Список використаних джерел налічує 117 найменувань, з яких 16 – кирилицею та 101 – латиницею. Додаток А містить перелік публікацій та дані про апробацію результатів дисертації на 3 сторінках, а в додатку Б подано відомості про акти впровадження на 5 сторінках. Об'єкт дослідження. Аналіз діагностичних зображень. Ціль роботи. Вдосконалення методів класифікації для підвищення точності виявлення патологій за цифровими зображеннями. Методи дослідження. У рамках дослідження використано методи гістограмної обробки, просторової фільтрації, сегментації згортковими нейронними мережами, текстурного аналізу (зокрема, статистики першого порядку, GLCM, GLDS, GLRLM, NGTDM, SFM, метод енергії текстури Лоу, фрактальний аналіз, LBP, ознаки на основі гістограм, багаторегіональних гістограм, вейвлет-перетворень та згорткових нейронних мереж), кореляційний аналіз, а також ансамблеві підходи машинного навчання (випадковий ліс, XGBoost, LightGBM). Запропоновано метод випадкового лісу дерев оптимальної складності (ВЛДОС), що поєднує принципи МГУА, генетичних алгоритмів і методу аналізу ієрархій. Для побудови моделей застосовувалася технологія ієрархічної класифікації, а оцінювання їхньоїякості здійснювалося на основі метрик правильності, чутливості, специфічності, точності та F-міри. Обчислення проводилися на персональному комп’ютері з процесором Intel Core i5-9300H, 16 ГБ ОЗП, SSD на 512 ГБ і графічним процесором NVIDIA GeForce GTX 1660 Ti (6 ГБ). Використовувалося програмне забезпечення на мові Python. Результати та їх новизна. Розроблено нову технологію ієрархічної класифікації для аналізу цифрових зображень, що базується на ансамблевих методах машинного навчання, розширеному наборі текстурних ознак та методі ВЛДОС. Запропоновано модифікацію методу випадкового лісу (ВЛДОС), яка інтегрує принципи МГУА, генетичних алгоритмів та методу аналізу ієрархій. Уперше для стадіювання фіброзу печінки (ультразвукові знімки) та ідентифікації COVID-асоційованих легеневих патологій (зображення комп’ютерної томографії) застосовано розширений набір методів текстурного аналізу. Удосконалено методику кореляційного відбору ознак у мультикласових задачах. Основні характеристики та показники. Розроблена технологія забезпечує підвищення точності класифікації порівняно з традиційними методами. Для задачі стадіювання фіброзу печінки досягнуто правильності 67% (95% довірчий інтервал за методом бутстрепу: [0.58; 0.76]) та F-міри 0.68 на екзаменаційній вибірці, для задачі ідентифікації COVID-асоційованих патологій легень – 84% (95% довірчий інтервал: [0.75; 0.92]) та 0.84 відповідно. При мажоритарному голосуванні на рівні пацієнтів точність зросла до 75% (фіброз печінки) й 89% (патології легень) на екзаменаційній вибірці, а також до 95% і 94% відповідно на повній когорті пацієнтів. Впровадження. Результати роботи були впроваджені в ДУ «Інститут ядерної медицини та променевої діагностики НАМН України» (акт впровадження від «3» листопада 2022 року), ДУ «Інститут педіатрії, акушерства і гінекології імені академіка О.М. Лук’янової НАМН України» (акт впровадження від «13» червня 2024 року), ДУ «Національний науковий центр фтизіатрії, пульмонології та алергології ім. Ф.Г. Яновського НАМНУкраїни» (акт впровадження від «26» грудня 2024 року) та Інститут інформаційних технологій та систем НАН України (акт впровадження від «10 січня 2025 року). Зв'язок з іншими роботами. Робота виконана виконано в межах науково-дослідних проєктів кафедри біомедичної кібернетики КПІ ім. Ігоря Сікорського за темами № 0117U006934 «Методи та моделі ідентифікації станів біологічних об’єктів» і № 0123U100866 «Методи та моделі ідентифікації станів об’єктів в задачах прийняття медичних рішень». Рекомендації щодо використання результатів. Рекомендовано застосовувати запропоновану технологію для стадіювання фіброзу печінки на основі ультразвукових зображень та ідентифікації COVID-асоційованих легеневих патологій за даними комп’ютерної томографії у клінічній практиці. Сфера застосування. Медична діагностика, системи підтримки прийняття рішень, телемедицина. Економічна ефективність. Впровадження розробленого підходу здатне зменшити потребу в інвазивних методах обстеження (біопсія), скоротити час обробки зображень і підвищити точність діагностики, що може позитивно вплинути на загальні витрати на лікування й покращити результати терапії пацієнтів. Значимість роботи. Створена технологія становить суттєвий внесок у розвиток методів аналізу медичних зображень, сприяючи підвищенню ефективності діагностики та моніторингу захворювань. Робота має наукову новизну й практичну цінність. Висновки та пропозиції. Запропонована технологія ієрархічної класифікації на базі методу ВЛДОС і розширеного набору методів текстурного аналізу є ефективним інструментом обробки медичних зображень. Подальші дослідження доцільно спрямувати на вдосконалення методів групування класів, оптимізацію гіперпараметрів, розширення сфери застосування, автоматизацію процесу прийняття рішень, а також організацію масштабних клінічних випробувань для підтвердження ефективності та безпеки впровадження у клінічну практику. Особлива увага має приділятися етичним аспектам і прозорості алгоритмів машинного навчання в медицині.
Опис
Ключові слова
ансамблеві методи, валідація прогностичних моделей, генетичний алгоритм, дерево прийняття рішень, згорткові нейронні мережі, ідентифікація, COVID-19, метод групового урахування аргументів, машинне навчання, надійність, прогнозування, процедура обробки зображень, прийняття рішень, текстурний аналіз, фіброз печінки, ensemble methods, validation of prognostic models, genetic algorithm, decision tree, convolutional neural networks, identification, GMDH, machine learning, reliability, prediction, image processing procedure, decision-making, texture analysis, liver fibrosis
Бібліографічний опис
Бабенко, В. О. Технологія ієрархічної класифікації в задачах діагностики патологій за медичними зображеннями різних модальностей : дис. ... доктора філософії / Бабенко Віталій Олегович. – Київ, 2025. – 155 с.