ДИАГНОСТИКА РАЗЛИЧНЫХ ВИДОВ ПНЕВМОНИИ ПО РЕНТГЕНОВСКИМ СНИМКАМ ГРУДНОЙ КЛЕТКИ

Авторы

Верзунов C.Н. Институт машиноведения и автоматики Национальной академии наук Кыргызской Республики

Ключевые слова:

классификация изображений, нейронная сеть, CNN, различные виды пневмонии, мобильное приложение.

Аннотация

Продолжающаяся вспышка и распространение вируса COVID-19 в 2020-2022 году послужили толчком для решения ряда биомедицинских проблем. Развитие алгоритмов машинного обучения предоставляет широкие возможности в области автоматизации решения такого рода задач. В настоящей работе рассматривается подробная классификация пневмонии на вирусную, бактериальную и вызванную туберкулёзом. Всего выделяется 6 классов. В результате исследований было подтверждено, что рентгеновские снимки грудной клетки могут иметь большое значение для постановки диагноза пациентам с COVID-19 и также могут быть полезны для диагностики различных видов пневмонии, разработана архитектура нейронной сети для диагностики заболеваний легких. Разработан прототип мобильного приложения для диагностики различных видов пневмонии, который используется для тестирования и усовершенствования разработанной системы.

Библиографические ссылки

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.