DIAGNOSTICS OF VARIOUS TYPES OF PNEUMONIA ON CHEST X-RAY
Keywords:
image classification, neural network, CNN, various types of pneumonia, mobile application.Abstract
The ongoing outbreak and spread of the COVID-19 virus in 2020-22 has given rise to a number of biomedical challenges. The development of machine learning algorithms provides ample opportunities in the field of automating the solution of such problems. This paper discusses a detailed classification of pneumonia into viral, bacterial and caused by tuberculosis. There are 6 classes in total. As a result of the research, it was confirmed that chest x-rays can be of great importance for diagnosing patients with COVID-19, and can also be useful for diagnosing various types of pneumonia, and a neural network architecture has been developed for diagnosing lung diseases. A prototype of a mobile application for diagnosing various types of pneumonia has been developed, which is used to test and improve the developed system.
References
Яковлев, В. О. Анализ современного состояния исследований в области распознавания снимков функциональной диагностики легких / В. О. Яковлев // Мавлютовские чтения: Материалы XV Всероссийской молодежной научной конференции: в 7 томах, Уфа, 26–28 октября 2021 года. – Уфа: Уфимский государственный авиационный технический университет, 2021. – С. 290 –301.
Макаров В.В., Блатова Т.А., Ворошилова Е.Ю. Ускоренное развитие информационных технологий в период пандемии // Экономика и качество систем связи. 2021. №2 (20). URL: https://cyberleninka.ru/article/n/uskorennoe-razvitie-informatsionnyh-tehnologiy-v-period-pandemii (дата обращения: 18.07.2021).
Васильченко Владислав Алексеевич, Бурковский Виктор Леонидович, Данилов Александр Дмитриевич Алгоритмизация процесса распознавания состояний физиологических объектов на основе специальных рентгеновских изображений КО.–2019.–№2.–URL: https://cyberleninka.ru/article/n/algoritmizatsiya-protsessa-raspoznavaniya-sostoyaniy-fiziologicheskih-obektov-na-osnove-spetsialnyh-rentgenovskih-izobrazheniy (дата обращения: 18.07.2021).
Хаджибаев Абдухаким Муминович, Адылова Фатима Туйчиевна, Касимов Хамит Махмудович, Шарипова Висолат Хамзаевна, Исхаков Нурбек Баркамолович. Роль искусственного интеллекта в прогнозировании проблем COVID-19: аналитический обзор // Вестник экстренной медицины. –2020. – №4. URL: https://cyberleninka.ru/article/n/rol-iskusstvennogo-intellekta-v-prognozirovanii-problem-covid-19-analiticheskiy-obzor (дата о обращения: 18.07.2021).
https://www.tensorflow.org/api_docs /python/tf/distribute/MirroredStrategy (дата обращения: 18.07.2021)
Daniel S. Kermany et all, Identifying Medical Diagnoses and Treatable Diseases by Image-Based Deep Learning, Cell, Volume 172, Issue 5, 2018, Pages 1122-1131.e9, ISSN 0092-8674, https://doi.org/10.1016/j.cell.2018.02.010.
COVID-19 Image Data Collection: Prospective Predictions Are the FutureJoseph Paul Cohen and Paul Morrison and Lan Dao and Karsten Roth and Tim Q Duong and Marzyeh GhassemiarXiv:2006.11988, https://github.com/ieee8023/covid-chestxray-dataset, 2020
Rahman, T., Khandakar, A., Qiblawey, Y., Tahir, A., Kiranyaz, S., Kashem, S.B.A., Islam, M.T., Maadeed, S.A., Zughaier, S.M., Khan, M.S. and Chowdhury, M.E., 2020. Exploring the Effect of Image Enhancement Techniques on COVID-19 Detection using Chest X-ray Images
Tawsifur Rahman, Amith Khandakar, Muhammad A. Kadir, Khandaker R. Islam, Khandaker F. Islam, Zaid B. Mahbub, Mohamed Arselene Ayari, Muhammad E. H. Chowdhury. (2020) "Reliable Tuberculosis Detection using Chest X-ray with Deep Learning, Segmentation and Visualization". IEEE Access, Vol. 8, pp 191586 - 191601. DOI. 10.1109/ACCESS.2020.3031384
Верзунов, С. Н. Сравнение глубоких нейронных сетей на основе различных предварительно обученных CNN для диагностики COVID-19 по рентгеновским снимкам / С. Н. Верзунов, Х. А. Раимжанов // Проблемы автоматики и управления. – 2021. – № 1(40). – С. 12–25.
Downloads
Published
How to Cite
Issue
Section
Categories
License
Copyright (c) 2022 Сергей Николаевич Верзунов
This work is licensed under a Creative Commons Attribution 4.0 International License.
