Архітектура програмного забезпечення інтелектуальних систем обробки медичних зображень

Скорочена інформація про документ
dc.contributor.advisorСинєглазов, Віктор Михайлович
dc.contributor.authorРязановський, Кирило Денисович
dc.date.accessioned2023-01-16T09:40:19Z
dc.date.available2023-01-16T09:40:19Z
dc.date.issued2022-06
dc.description.abstractenMaster’s Thesis: pp. 101, fig. 33, tab. 17, appendix 7. Topicality. The paper considers the problem in the field of intelligent medical diagnostics with the software of intelligent medical image processing systems. The main features of existing approaches to the construction of intelligent pipelines of medical image processing, as well as architectural solutions in the development of such systems, their advantages and disadvantages are shown. The need to optimize the performance and speed of intelligent medical image processing systems, to improve the accuracy of processing, to improve software architectures and options for their selection depending on the resources of medical institutions has been revealed. The purpose of the study is to improve the overall efficiency according to the criteria of speed, accuracy and automatization and to increase the flexibility of software architectures of intelligent medical image processing systems. The object of the study is software for intelligent image processing systems. The subject of the study is the process of building architecture and software development of medical image processing systems. The tasks of the study: ‒ analyze existing diagnostic image processing systems; ‒ develop a custom approach (pipeline) to intelligent medical image processing; ‒ investigate and create an algorithm for synthesizing intelligent systems; ‒ design and compare different approaches to software architecture; ‒ implement the software of own system; ‒ evaluate the quality of the developed system. The scientific novelty of the obtained results consists in the fact that designed and improved software architecture and deployment solutions for intelligent radiology image processing systems depending on the available resources of health facilities, as well as developed an own intelligent pipeline for optimal calculation of tuberculosis activity. It is shown that the created innovative software with custom algorithms allows a much more efficient and faster automated diagnosis of the disease by processing medical images. 8 This allows for significantly faster and cheaper diagnosis and treatment of patients. The result is achieved by setting and solving the problem of multi-criteria optimization of the selection of architectures depending on the resources of healthcare centers, as well as a proposed intelligent pipeline of image processing by neural networks. The practical significance of the obtained results is that the proposed optimal architectural approaches and intelligent medical image processing pipelines have been software implemented within two application variants: local desktop system and cloudbased system. The created software allows to process medical images and analyses in 1 minute in automated mode with 96% accuracy. This system can be used in various medical clinics to assist experts in diagnosis and processing medical images. Relationship of the work with scientific programs, plans, themes. The work was performed at the Department of Computer Science and Software Engineering of the National Technical University of Ukraine “Igor Sikorsky Kyiv Polytechnic Institute”. Approbation. The project on this thesis was a finalist of the Sikorsky Challenge 2020 (access: https://startups-2020.sikorskychallenge.com/2020/10/174.html). Publications. The scientific statements of the thesis were published in: 1) Sineglazov V., Riazanovskiy K., Chumachenko O. Multicriteria conditional optimization based on genetic algorithms. System research and information technologies. 2020. Vol. 3. Kyiv. URL: https://doi.org/10.20535/SRIT.2308- 8893.2020.3.07 2) Sineglazov V., Riazanovskiy K., Klanovets A., Chumachenko O., Linnik. N. Intelligent tuberculosis activity assessment system based on an ensemble of neural networks. Computers in Biology and Medicine. 2022. Elsevier (accepted for publication). 3) Sineglazov V., Riazanovskiy K., Klanovets A. Multi-criteria optimization of software architectures selection for CADx systems. Journal of Healthcare Informatics Research. 2022. Springer (under review).uk
dc.description.abstractukРозмір пояснювальної записки – 101 аркуш, містить 33 ілюстрації, 17 таблиць, 7 додатків. Актуальність теми. У роботі розглянуто проблему в області інтелектуальної медичної діагностики з програмним забезпеченням інтелектуальних систем обробки медичних зображень. Показано основні особливості існуючих підходів до побудови інтелектуальних пайплайнів обробки медичних зображень, а також архітектурних рішень до розробки таких систем, їх переваги та недоліки. Виявлено потребу в оптимізації роботи та швидкості інтелектуальних систем обробки медичних зображень, поліпшенні точності обробки, удосконаленні програмних архітектур та варіантів їх підбору в залежності від ресурсів медичних закладів. Мета дослідження. Основною метою є підвищення загальної ефективності за критеріями швидкості, точності і автоматизованості та підвищення гнучкості програмних архітектур інтелектуальних систем обробки медичних зображень. Об’єкт дослідження: програмне забезпечення інтелектуальних систем обробки медичних зображень. Предмет дослідження: процес побудови архітектури та розробки ПЗ систем обробки медичних зображень. Для реалізації поставленої мети сформульовані наступні завдання: ‒ провести аналіз існуючих діагностичних систем обробки зображень; ‒ розробити власний підхід (пайплайн) до обробки медичних зображень; ‒ дослідити та створити алгоритм синтезу інтелектуальних систем; ‒ спроектувати та порівняти різні підходи до побудови архітектури ПЗ; ‒ реалізувати ПЗ власної системи; ‒ провести оцінку якості роботи розробленої системи. Наукова новизна результатів магістерської дисертації полягає в тому, що спроектовано та удосконалено архітектури ПЗ та варіанти впровадження інтелектуальних систем обробки радіологічних зображень в залежності від наявних ресурсів медичних клінік, а також розроблено власний інтелектуальний пайплайн алгоритмів для оптимального розрахунку активності туберкульозу шляхом обробки медичних зображень та аналізів пацієнта. Показано, що створене інноваційне ПЗ з власними алгоритмами дозволяє набагато ефективніше та швидше в автоматизованому режимі діагностувати захворювання з обробки медичних зображень. Це дозволяє значно прискорити та здешевити процес діагностування та лікування пацієнтів. Результат досягнутий шляхом постановки та вирішення завдання многокритеріальної оптимізації підбору архітектур в залежності від ресурсів медичних закладів, а також власного інтелектуального пайплану обробки зображень нейронними мережами. Практичне значення отриманих результатів полягає в тому, що реалізовані програмно запропоновані оптимальні архітектурні підходи та інтелектуальний пайплайн обробки медичних зображень в межах двох варіантів застосунку: локальна десктопна система та система на основі хмари. Створене ПЗ дозволяє в автоматизованому режимі з точністю 96% обробляти медичні зображення та аналізи за 1 хвилину. Дана система може бути використана в різних медичних клініках для допомоги експертам в діагностиці і обробці медичних зображень. Зв’язок з науковими програмами, планами, темами. Робота виконувалась на кафедрі інформатики та програмної інженерії Національного технічного університету України "Київський політехнічний інститут імені Ігоря Сікорського". Апробація. Проект за даною дисертацією став фіналістом конкурсу Sikorsky Challenge 2020 (доступ: https://startups- 2020.sikorskychallenge.com/2020/10/174.html). Наукові положення дисертації пройшли апробацію в наступних публікаціях. Публікації. Наукові положення дисертації опубліковані в: 1) Sineglazov V., Riazanovskiy K., Chumachenko O. Multicriteria conditional optimization based on genetic algorithms. System research and information technologies. 2020. Vol. 3. Kyiv. URL: https://doi.org/10.20535/SRIT.2308- 8893.2020.3.07 2) Sineglazov V., Riazanovskiy K., Klanovets A., Chumachenko O., Linnik. N. Intelligent tuberculosis activity assessment system based on an ensemble of neural networks. Computers in Biology and Medicine. 2022. Elsevier (прийнято до публікації). 3) Sineglazov V., Riazanovskiy K., Klanovets A. Multi-criteria optimization of software architectures selection for CADx systems. Journal of Healthcare Informatics Research. 2022. Springer (відправлено до редакції).uk
dc.format.page131 с.uk
dc.identifier.citationРязановський, К. Д. Архітектура програмного забезпечення інтелектуальних систем обробки медичних зображень : магістерська дис. : 121 Інженерія програмного забезпечення / Рязановський Кирило Денисович. – Київ, 2022. – 131 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/51853
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectпрограмна архітектураuk
dc.subjectпрограмна архітектураuk
dc.subjectзгорткові нейронні мережіuk
dc.subjectкомп’ютерна медична діагностикаuk
dc.subjectтуберкульозuk
dc.subjectsoftware architectureuk
dc.subjectmulticriteria optimizationuk
dc.subjectconvolutional neural networksuk
dc.subjectcomputer-aided diagnosisuk
dc.subjecttuberculosisuk
dc.subject.udc004.75,004.891.3,004.932uk
dc.titleАрхітектура програмного забезпечення інтелектуальних систем обробки медичних зображеньuk
dc.title.alternativeSoftware Architectures for Medical Image Processing Systemsuk
dc.typeMaster Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Riazanovskyi_magistr.pdf
Розмір:
3.68 MB
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

Магістерські роботи (ІПІ)
Магістерські роботи