КЛАССИФИКАЦИЯ РЕНТГЕНОВСКИХ СНИМКОВ НА ОСНОВЕ МЕТОДОВ ГЛУБОКОГО ОБУЧЕНИЯ ДЛЯ ВЫЯВЛЕНИЯ АНОМАЛИЙ: реферат дипломной работы/Фунтиков К.В., БГУ, физический факультет, кафедра ядерной физики, руководитель Чернявская Э.А.

Abstract

Ключевые слова: глубокое обучение, компьютерное зрение, классифика-

ция изображений, изображения МРТ-снимков, нейронные сети, медицинская ди-

агностика, автоматизированная диагностика.

Объект исследования: изображения МРТ-снимков головного мозга.

Цель исследования: разработка модели, основанной на методах глубокого

обучения, для классификации рентгеновских снимков и выявления аномалий в

организме человека.

Методы исследования: теоретический анализ литературы, экспериментальное моделирование и оценка эффективности разработанной модели на тестовых наборах данных.

Полученные результаты и их новизна: разработана модель сверточной

нейронной сети для обнаружения аномалий на МРТ-снимках головного мозга с

точностью 94%. Данный метод также может быть применим для анализа КТ, УЗИ

и рентгенограмм. Алгоритм уменьшает рабочую нагрузку на специалистов, способствуя концентрации их внимания на сложных случаях. Научная новизна работы состоит в создании уникальной архитектуры нейронной сети и комплекс-

ном подходе к предобработке данных, обеспечивающем высокую эффективность

системы автоматической диагностики аномалий на медицинских изображениях.

Область возможного практического применения: использование в клинической практике для повышения качества диагностики и уменьшения времени,

необходимого для анализа рентгеновских снимков.

Автор работы подтверждает, что приведенный в ней расчетно-аналитический 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.