Математичне та програмне забезпечення виявлення ознак меланоми на зображеннях шкіри
Вантажиться...
Дата
2025
Автори
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Магістерську дисертацію роботу виконано на 75 аркушах, вона містить 2 додатки, 1 таблицю та перелік використаних джерел із 15 найменувань. У роботі наведено 8 рисунків.
Розробка математичного та програмного забезпечення для виявлення ознак меланоми на зображеннях шкіри є актуальною науковою та практичною проблемою. Висока смертність від меланоми часто пов’язана з її пізнім виявленням, тому створення автоматизованих систем діагностики може суттєво покращити ситуацію. Основні труднощі полягають у точності розпізнавання патологічних змін шкіри, адаптивності алгоритмів до різних типів зображень та інтерпретації отриманих результатів.
Ця робота спрямована на розробку методів комп’ютерного аналізу, що дозволяють виявляти характерні ознаки меланоми з високою точністю. Для цього необхідно використати сучасні алгоритми машинного навчання, нейронні мережі та методи обробки зображень.
Метою даної роботи є розробка ефективної математичної та програмної моделі, здатної автоматично аналізувати цифрові зображення шкіри та виявляти ознаки меланоми на ранніх стадіях.
Досягнення цієї мети передбачає:
1. Опрацювання математичних методів аналізу медичних зображень.
2. Використання технологій машинного навчання та нейронних мереж для автоматичного розпізнавання меланоми.
3. Створення програмного забезпечення, що дозволить медичним фахівцям більш точно діагностувати захворювання.
4. Проведення тестування розробленої моделі на реальних медичних даних.
У межах роботи досліджуються:
1. Методи комп’ютерного зору для аналізу шкірних зображень.
2. Алгоритми глибокого навчання для класифікації новоутворень шкіри.
3. Вплив параметрів зображень на точність діагностики.
4. Різні методи попередньої обробки та сегментації медичних знімків.
5. Способи інтеграції запропонованих рішень у практичну медичну діяльність.
Головні цілі дослідження:
1. Розробити алгоритми автоматичного розпізнавання меланоми.
2. Створити програмне забезпечення для аналізу дерматологічних зображень. Провести тестування точності моделі на реальних медичних даних.
3. Проаналізувати ефективність машинного навчання у діагностиці меланоми. Визначити оптимальні підходи до попередньої обробки зображень.
4. Дослідити способи підвищення точності та швидкості розпізнавання.
5. Порівняти запропоновані методи з існуючими традиційними підходами.
Об’єктом дослідження є математичні та програмні моделі аналізу медичних зображень, зокрема методи машинного навчання для автоматизованого виявлення ознак меланоми на шкірі.
Предметом дослідження є алгоритмічні підходи та методи глибокого навчання, що використовуються для обробки дерматологічних зображень. Особливу увагу приділено математичному опису процесу класифікації, вибору оптимальних архітектур нейронних мереж, а також методам валідації отриманих результатів.
Методи дослідження. У магістерській дисертації було використано низку сучасних методів, що охоплюють математичне моделювання, обробку зображень та машинне навчання, зокрема, методи математичного моделювання (диференціальні рівняння – для теоретичного опису динаміки медичних процесів); клітинні автомати – для моделювання просторово-часових змін у біологічних системах; методи зниження розмірності (зокрема PCA — Principal Component Analysis) – для аналізу багатовимірних медичних даних. Також були використані методи обробки зображень: попередня обробка (препроцесинг) зображень: нормалізація яскравості, аугментація (обертання, масштабування, зміна контрасту), фільтрація та усунення шумів (включно з видаленням артефактів, таких як волосся); сегментація зображень – виокремлення ділянок шкіри з потенційними новоутвореннями; перетворення кольорових просторів (RGB → HSV, YCbCr) – для підвищення контрастності між меланомою та навколишньою шкірою. Для програмної реалізації були використані Методи машинного навчання: глибоке навчання (Deep Learning): згорткові нейронні мережі (CNN) — для автоматичної класифікації зображень шкіри; багатошаровий персептрон (MLP) — як базова модель для порівняння; методи оптимізації параметрів нейронних мереж, у тому числі використання функцій втрат, функцій активації та стратегій зниження похибки; оцінка ефективності моделей за метриками: Accuracy, Precision, Recall, F1-score, AUC.
Наукова новизна дослідження полягає у розробленні математичної моделі нейромережевого типу для розпізнавання меланоми шкіри за реальними знімками, а також відповідного прикладного програмного забезпечення, що розпізнає дані захворювання.
У роботі застосовано методи машинного навчання, включаючи згорткові нейронні мережі (CNN) та багатошаровий персептрон (MLP), які використовуються для класифікації зображень шкірних утворень. Для обробки медичних даних застосовано статистичні методи аналізу, такі як нормалізація, аугментація та розрахунок головних компонент (PCA), що дозволяють виділити ключові характеристики. Також використано методи оптимізації параметрів нейронних мереж та алгоритми зниження розмірності даних.
Опис
Ключові слова
машинне навчання, меланома, згорткові нейронні мережі, багатошаровий персептрон, обробка медичних зображень, математичне моделювання, machine learning, melanoma, convolutional neural networks, multilayer perceptron, medical image processing, mathematical modeling
Бібліографічний опис
Двоєглазова, С. Д. Математичне та програмне забезпечення виявлення ознак меланоми на зображеннях шкіри : магістерська дис. : 113 Прикладна математика / Двоєглазова Софія Дмитрівна. – Київ, 2025. – 75 с.