АЛГОРИТМЫ АНАЛИЗА И ИДЕНТИФИКАЦИИ РЕНТГЕНОВСКИХ ИЗОБРАЖЕНИЙ, С ИСПОЛЬЗОВАНИЕМ МЕТОДОВ ГЛУБОКОГО МАШИННОГО ОБУЧЕНИЯ: реферат дипломной работы/Моисеев М.И., БГУ, физический факультет, кафедра ядерной физики, научный руководитель Чернявская Э.А.

Abstract

Дипломная работа: 50 с., 40 рис., 1 табл., 13 источников, 1 приложение.

Ключевые слова: СВЕРТОЧНАЯ НЕЙРОННАЯ СЕТЬ, COVID-19, VGG-16, VGG-19, RESNET-50, ГЛУБОКОЕ ОБУЧЕНИЕ, ПРЕДВАРИТЕЛЬНАЯ ОБРАБОТКА. Объект исследования: методы глубокого машинного обучения для идентификации и классификации аномалий на рентгеновских изображениях. Цель работы: разработка метода идентификации аномалий на рентгеновских изображениях с использованием сверточных нейронных сетей. Методология проведения работы: разработка алгоритма идентификации и классификации аномалий на рентгеновских изображениях с использованием сверточных нейронных сетей VGG-16, VGG-19 и ResNet-50 на языке программирования python в текстовом редактореVisual Studio Code. Полученные результаты и их новизна: произведена оценка работы разработанного алгоритма и сравнительный анализ используемых вариантов предварительной обработки изображений, как используемых в данной работе так и с алгоритмами других авторов. Область возможного практического применения: результаты, полученные в данной работе, могут быть использованы для дальнейшего развития идеи автоматизации идентификации и классификации аномалий на рентгеновских снимках. Достоверность полученных результатов подтверждается разработанным алгоритмом автора опубликованным в работе [7] и алгоритмами других авторов на используемом, в данной работе, наборе данных.

Автор работы подтверждает, что приведенный в ней материал правильно и объективно отражает состояние исследуемого процесса, а все заимствованные из литературных и других источников теоретические, методологические и методические положения и концепции сопровождаются ссылками на их авторов.