ИСПОЛЬЗОВАНИЕ СРЕДСТВ КОМПРЕССИИ ИЗОБРАЖЕНИЙ ДЛЯ БИНАРНОЙ КЛАССИФИКАЦИИ ИСКУССТВЕННОЙ НЕЙРОННОЙ СЕТЬЮ В СФЕРЕ МЕДИЦИНЫ
Аннотация
В работе рассматриваются методы компрессии медицинских снимков, полученных с помощью компьютерной томографии, и их дальнейшее влияние на бинарную классификацию средствами искусственной нейронной сети.
Во время эпидемических угроз остро стоит вопрос о сокращении времени, которое врач тратит на обработку снимков пациентов с подозрением на заболевание. Примером такой эпидемии является COVID-19, в первую очередь поражающий легкие человека. Инфекция проявляется на снимках характерными отпечатками, позволяющими выявить заболевание на ранней стадии. По статистическим данным заболевания выявлено у 63% пациентов, проходивших обследование. В среднем, на установку диагноза врач тратит около 30-40 минут в простых случаях и от нескольких часов в средних и тяжелых. По статистическим данным выявление диагноза заболевания короновирусной инфекцией было установлено у 43% пациентов, у которых было выявлено подозрение на заболевание. Приближенная цифра пациентов, прошедших компьютерную томографию только по г. Киеву (Украина) в 2020-м году составила около 357640 человек. То есть для установления отсутствия диагноза врачами было израсходовано 4400 суток непрерывной работы. Большой объем данных не позволяет сохранять снимки в течение определенного времени и накапливать данные о ходе болезни. Следовательно, возникает вопрос о качестве сжимающего алгоритма и его влиянии на диагностику болезни. Также большое количество снимков здоровых и пораженных различными болезнями легких приводит к увеличению ошибок из-за человеческого фактора.
Рассмотрена целесообразность использования нейронных сетей для исследования и классификации снимков компьютерной томографии. Искусственная нейронная сеть, прошедшая качественный этап обучения, хотя и не способна полностью заменить квалифицированных медиков, но значительно упрощает некоторые аспекты этого непростого труда и уменьшить влияние человеческого фактора на диагноз пациента.
Ключевые слова: искусственная нейронная сеть, медицина, легкие, фрактальное сжатие, компрессия изображений.