Метод обробки зображень з використанням машинного навчання

Abstract

Метою кваліфікаційної роботи є дослідження та реалізація ефективного методу обробки зображень, який дозволяє з високою точністю розпізнавати ознаки пневмонії на рентгенівських знімках. Актуальність обраної теми обумовлена необхідністю розробки сучасних інструментів підтримки клінічного прийняття рішень, що здатні автоматизувати первинний аналіз великої кількості медичних зображень у системах охорони здоров'я. У ході виконання кваліфікаційної роботи було проаналізовано теоретичні засади класичної та сучасної обробки зображень, зокрема із залученням глибокого навчання. Здійснено огляд найбільш ефективних архітектур згорткових нейронних мереж, таких як CNN, ResNet і U-Net, а також вивчено їхнє застосування у сфері медичної візуалізації. Практична частина роботи охоплює побудову й навчання моделей на основі відкритого набору даних ChestMNIST, що містить рентгенівські зображення грудної клітки у скороченому форматі. Розроблена згорткова нейронна мережа, а також реалізовано глибшу архітектуру на основі ResNet, адаптовану до класифікації двох класів (норма / пневмонія). Для оцінки результатів застосовано метрики точності, матрицю помилок, ROC-криву та PR-криву. З метою покращення діагностичної інтерпретації були реалізовані візуалізації правильних і хибних передбачень моделі.