Математичне та програмне забезпечення виявлення ознак меланоми на зображеннях шкіри

Скорочена інформація про документ
dc.contributor.advisorХайдуров, Владислав Володимирович
dc.contributor.authorДвоєглазова, Софія Дмитрівна
dc.date.accessioned2025-06-03T08:22:37Z
dc.date.available2025-06-03T08:22:37Z
dc.date.issued2025
dc.description.abstractМагістерську 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.
dc.description.abstractotherThe thesis comprises 75 pages and includes 2 appendices, 1 table, and a list of 15 references. The work contains 8 figures. The development of mathematical and software tools for detecting melanoma features in skin images is a relevant scientific and practical challenge. High mortality from melanoma is often associated with its late detection; therefore, the creation of automated diagnostic systems can significantly improve the situation. The main difficulties lie in the accuracy of recognizing pathological skin changes, the adaptability of algorithms to various image types, and the interpretation of the obtained results. This work focuses on developing computer analysis methods that enable the accurate identification of characteristic melanoma features. This requires the use of modern machine learning algorithms, neural networks, and image processing techniques. The objective of this thesis is to develop an effective mathematical and software model capable of automatically analyzing digital skin images and detecting signs of melanoma at early stages. Achieving this objective involves: 1. Studying mathematical methods for analyzing medical images. 2. Applying machine learning technologies and neural networks for the automatic recognition of melanoma. 3. Developing software to help medical professionals more accurately diagnose the disease. 4. Testing the developed model on real medical data. This thesis explores: 1. Computer vision methods for analyzing skin images. 2. Deep learning algorithms for classifying skin neoplasms. 3. The impact of image parameters on diagnostic accuracy. 4. Various preprocessing and segmentation methods for medical images. 5. Approaches to integrating the proposed solutions into practical medical practice. The main research goals are: 1. To develop algorithms for the automatic recognition of melanoma. 2. To create software for analyzing dermatological images and test the model’s accuracy using real medical data. 3. To analyze the effectiveness of machine learning in melanoma diagnosis and determine the optimal approaches to image preprocessing. 4. To explore methods for improving recognition accuracy and speed. 5. To compare the proposed methods with existing traditional approaches. The object of the research is mathematical and software models for analyzing medical images, particularly machine learning methods for automated melanoma detection in skin images. The subject of the research is algorithmic approaches and deep learning methods used for processing dermatological images. Special attention is paid to the mathematical description of the classification process, the selection of optimal neural network architectures, and validation methods for the obtained results. Research methods. The master's thesis used a number of modern methods covering mathematical modeling, image processing and machine learning, in particular, mathematical modeling methods (differential equations - for a theoretical description of the dynamics of medical processes); cellular automata - for modeling spatio-temporal changes in biological systems; dimensionality reduction methods (in particular PCA – Principal Component Analysis) – for analyzing multidimensional medical data. Image processing methods were also used: preprocessing of images: brightness normalization, augmentation (rotation, scaling, contrast change), filtering and noise removal (including removal of artifacts such as hair); image segmentation - separation of skin areas with potential neoplasms; color space transformation (RGB → HSV, YCbCr) is to increase the contrast between melanoma and surrounding skin. For software implementation, the following Machine Learning Methods were used: Deep Learning: Convolutional Neural Networks (CNN) — for automatic classification of skin images; Multilayer Perceptron (MLP) — as a base model for comparison; Methods for optimizing neural network parameters, including the use of loss functions, activation functions, and error reduction strategies; Evaluation of the effectiveness of models by metrics: Accuracy, Precision, Recall, F1-score, AUC. The scientific novelty of the study lies in the development of a neural network-type mathematical model for recognizing skin melanoma from real images, as well as the corresponding application software that recognizes disease data. The work applies machine learning methods, including Convolutional Neural Networks (CNN) and Multilayer Perceptron (MLP), for classifying images of skin lesions. Statistical analysis methods such as normalization, augmentation, and Principal Component Analysis (PCA) are used for processing medical data to extract key features. Additionally, neural network parameter optimization techniques and dimensionality reduction algorithms are applied.
dc.format.extent75 с.
dc.identifier.citationДвоєглазова, С. Д. Математичне та програмне забезпечення виявлення ознак меланоми на зображеннях шкіри : магістерська дис. : 113 Прикладна математика / Двоєглазова Софія Дмитрівна. – Київ, 2025. – 75 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/74047
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectмашинне навчання
dc.subjectмеланома
dc.subjectзгорткові нейронні мережі
dc.subjectбагатошаровий персептрон
dc.subjectобробка медичних зображень
dc.subjectматематичне моделювання
dc.subjectmachine learning
dc.subjectmelanoma
dc.subjectconvolutional neural networks
dc.subjectmultilayer perceptron
dc.subjectmedical image processing
dc.subjectmathematical modeling
dc.subject.udc004.94; 517.9
dc.titleМатематичне та програмне забезпечення виявлення ознак меланоми на зображеннях шкіри
dc.typeMaster Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Dvoyeglazova_magistr.pdf
Розмір:
1.2 MB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Магістерські роботи (ММАД)
Магістерські роботи