Разработка алгоритмов машинного обучения для автоматического описания рентгеновских изображений

Abstract

Цель работы: реализация нескольких алгоритмов машинного обучения для автоматического анализа рентгеновских изображений, сравнение результатов их работы между собой и с аналогами. В результате проведённых экспериментов было проведено сравнение двух типов архитектур, 4 архитектур, одного ансамбля нейронных сетей. Был оценен эффект трёх различных способов предобработки изображений на результаты классификации и выделяемые на изображениях признаки. Было произведено сравнение обученных нейронных сетей между собой и с аналогами. Был произведён анализ наиболее распространённого набора данных рентгеновских снимков грудной клетки, сформулированы его недостатки. Были сформулированы рекомендации к дальнейшему улучшению работы аналогичных систем.

The research objective is to develop the system for automatic analysis of X-ray images and evaluate the results of its work. A comparison was made of two types of architectures, 4 architectures, one ensemble of neural networks. Image preprocessing was tested whish using fast Fourier transform, random image inversion, converting to a heatmap. The training of classifiers was carried out both with randomly initialized weights and in various versions of transfer learning. For all classifiers, an analysis of the work was carried out using class activation maps. System errors in the dataset and the problems of detecting insignificant features by neural networks were described. Was formulated recommendations for creating systems of automatic analysis of X-ray images