ЗГОРТКОВА НЕЙРОННА МЕРЕЖА ДЛЯ СЕГМЕНТАЦІЇ ТОМОГРАФІЧНИХ І РЕНТГЕНІВСЬКИХ ЗНІМКІВ (60-65)

Архив в PDF формате
Дата публикации статьи в журнале: 2019/09/19
Название журнала: Восточно Европейский Научный Журнал, Выпуск: 48, Том: 1, Страницы в выпуске: 60-65
Автор: Поляченко А. І.
, Київський національний університет імені Тараса Шевченка ,
Анотация: У статті запропоновано та побудовано згорткову нейронну мережу для сегментації томографічних і рентгенівських знімків для пошуку і локалізації патологій із встановленням більш точного діагнозу лікарем-діагностом. При розробці згорткової нейронної мережі для сегментації томографічних і рентгенівських знімків доцільно використовувати потужності хмарних технологій, тобто згорткова нейронна мережа може бути розгорнута на хмарному сервері. У статті для побудови згорткової нейронної мережі з повномасштабною стратегією використано ResNet, архітектура якої є базовою. Для традиційних згорткових нейронних мереж в процесі сегментації властиве локальне рецептивне поле, яке може привести до генерації локальних ознак. Кодування контекстної інформації великого радіусу дії не виконується належним чином, а отримані локальні ознаки можуть привести до значних потенційних розбіжностей між досліджуваними ознаками, які відповідають пікселям з однаковими тегами, що в результаті може привести до неузгодженості всередині класу пікселів, а в кінцевому підсумку може призвести до низької ефективності розпізнавання. Щоб вирішити дану проблему, у статті виконано побудову асоціацій між функціями і удосконалено згорткову нейронну мережу для сегментації томографічних і рентгенівських знімків.
Ключевые слова: згорткова нейронна мережа   система розпізнавання   томографічні та рентгенівські знімки   сегментація   пошук і локалізація патологій   лікар-діагност  
Данные для цитирования: Поляченко А. І., . ЗГОРТКОВА НЕЙРОННА МЕРЕЖА ДЛЯ СЕГМЕНТАЦІЇ ТОМОГРАФІЧНИХ І РЕНТГЕНІВСЬКИХ ЗНІМКІВ (60-65). Восточно Европейский Научный Журнал. Технические науки. 2019/09/19; 48(1):60-65.

Список литературы: 1. Жук С. В. Обзор современных методов сегментации растровых изображений / С. В. Жук // Известия волгоградского государственного технического университета. - 2009. - № 6. - С. 115118. 2. Поляченко А.І. Можливості методів пошуку та локалізації аномалій у томографічних та рентгенівських знімках для підвищення точності встановлення діагнозу / А.І. Поляченко // Наукові нотатки. - 2018. - Вип. 64. - С. 159-165. 3. Поляченко А.І. Пошук контурів областей із певною патологічною структурою на МРТ знімках / А.І. Поляченко // Науковий журнал «Комп’ютерно-інтегровані технології: освіта, наука, виробництво». - Луцьк, 2019. - Випуск № 34. - С. 96-106. 4. Поршнев С. В. Универсальная классификация алгоритмов сегментации изображений / С. В. Поршнев, А. О. Левашкина // Журнал научных публикаций аспирантов и докторантов. - 2008. - № 3. - С. 163-172. 5. Anam М. An Efficient Brain Tumor Detection Algorithm Using Watershed & Thresholding Based Segmentation / M. Anam, J. Ah, F. Tehseen // Image, Graphics and Signal Processing. - 2012. - Vol. 10. -Pp. 34-39. 6. Bansal S. Performance analysis of color based region split and merge and otsu’s thresholding techniques for brain tumor extraction / S. Bansal, R. Maini // International Journal of Engineering Research and Applications. - 2013. - Vol. 3, issue 4. - Pp. 16401643. 7. Hakeem A. A. A new approach to image segmentation for brain tumor detection using pillar kmeans algorithm / A. A. Hakeem, R. Tirumala, I. A. Mohammed // International Journal of Advanced Research in Computer and Communication Engineering. - 2013. - Vol. 2, issue 3. - Pp. 1429-1436. 8. Hough P. V.C. Method and means for recognizing complex patterns / P. V.C. Hough. - U.S. Patent 3,069,654. -December 18, 1962. 9. Kharrat A. Detection of brain tumor in medical images / A. Kharrat, N. Benamrane, M. Ben Messaoud, M. Abid // International Conference on Signals, Circuits and Systems. - 2009. - Pp. 1-6. 10. Logeswari T. An improved implementation of brain tumor detection using segmentation based on hierarchical self organizing map / T. Logeswari, M. Kaman // International Journal of Computer Theory and Engineering. - 2010. - Vol. 2, no. 4, pp. 1793-8201. 11. Marr D. Proceedings of the Royal Society of London / D. Marr, E. Hildreth // Series B, Biological Sciences. - Vol. 207, no. 1167. - Pp. 187-217. 12. Neeraj Sharma Automated medical image segmentation techniques / Neeraj Sharma, Lalit M. Aggarwal // Journal of medical physics. - 2010. - No. 35. - Pp. 3-14. 13. Prewitt J. M. S. Object enhancement and extraction, picture processing and psychopictorics // J. M. S. Prewitt; B. Lipkin, A. Rosenfeld (ed.). - NY : Academic Pres, 1970. - Pp. 75-149. 14. Rakesh M. Image segmentation and detection of tumor objects in MR brain images using fuzzy Cmeans (FCM) algorithm / M. Rakesh, T. Ravi // International Journal of Engineering Research and Applications. - 2012. - No. 2, issue 3. - Pp. 2088-2094. 15. Roberts L. G. Machine perception of threedimensional solids / L. G. Roberts // Optical and Electro-Optical Information Processing. - MIT Pres, 1965. - Pp. 159-197. 16. Robinson G. S. Edge detection by compass gradient masks / G. S. Robinson // Computer Graphics and Image Processing. - 1977. - Vol. 6, no. 5. - Pp. 492502. 17. Sobel I. E. Camera models and machine perception, PHD dissertation / I. E. Sobel. - Stanford University, 1970. - 303 р.