БІНАРНА КЛАСИФІКАЦІЯ МЕДИЧНИХ ЗОБРАЖЕНЬ З ВИКОРИСТАННЯМ НЕЙРОННОЇ МЕРЕЖІ

Анотація

В роботі розглядається методи компресії медичних знімків, отриманих за допомогою комп’ютерної томографії, та їх подальший вплив на їх бінарну класифікацію засобами штучної нейронної мережі.

Під час епідемічних загроз гостро постає  питання про скорочення часу, який лікар витрачає на обробку знімків пацієнтів з підозрою на захворювання. Прикладом такої епідемії є COVID-19, який в першу чергу вражає легені людини. Інфекція проявляється на знімках характерними відбитками, що дозволяють виявити захворювання на ранній стадії. За статистичними даними захворювання виявлено у 63%  пацієнтів, що проходили обстеження. В середньому, на встановлення діагнозу лікар витрачає близько 30-40 хвилин в простих випадках і від декількох годин в середніх та тяжких. За статистичними даними виявлення діагнозу захворювання на короновірусну інфекцію було встановлено в 43% пацієнтів в яких було виявлено підозру на захворювання. Наближена цифра пацієнтів, що пройшли комп’ютерну томографію лише по м. Київ (Україна) в 2020-му році склала наближено 357640 чоловік. Тобто для встановлення відсутності діагнозу лікарями було витрачено 4400 діб неперервної роботи. Великий обсяг даних не дозволяє зберігати знімки протягом певного часу та накопичувати дані про перебіг хвороби. Отже, виникає питання про якість стискаючого алгоритму та її вплив на діагностику хвороби. Також, велика кількість знімків здорових та уражених різними хворобами легенів приводить до збільшення помилок через людський фактор.

Розглянуто доцільність використання нейронних мереж для дослідження та класифікації знімків комп’ютерної томографії. Штучна нейронна мережа, що пройшла якісний етап навчання, хоч і не здатна повністю замінити кваліфікованих спеціалістів-медиків, але значно спрощує деякі аспекти цієї непростої праці та зменшити вплив людського фактору на діагноз пацієнта.

Проведено аналіз результату експерименту зі знімками легенів пацієнтів, що знаходяться в відкритому доступі. Результати експеременту підтверджують доцільність викостання фрактальго стиснення для медичних зображень, але з урахуванням обмежень на вихідний розмір файлу.

Ключові слова: штучна нейрона мережа, медицина, легені, фрактальне стиснення, компресія зображень.