Методы машинного обучения для задачи классификации рентгенограмм

Abstract

В работе освещена тема больших объёмов данных, которая становится всё более актуальной в результате быстрого роста количества информации. На базе набора рентгенограмм произведён анализ некоторых методов обработки Big Data и описан метод, позволяющий диагностировать лёгочные заболевания. Для задачи сегментации области лёгких была использована нейронная сеть с архитектурой U-net, являющаяся наиболее популярной для аналогичных задач в области анализа биомедицинских изображений. Классификация произведена с помощью нейросети ResNet-50, итоговая точность которой составила 92 %.