Дослідження моделей згортальних нейронних мереж глибинного навчання для задач сегментації зображень комп’ютерної томографії

Abstract

Мета роботи – дослідження моделей згортальних нейронних мереж глибинного навчання для сегментації зображень комп’ютерної томографії та обґрунтування процедури попередньої обробки даних, яка враховує неоднорідну якість наявної експертної розмітки. Методи дослідження – теоретичний аналіз методів сегментації медичних зображень, побудова тривимірних CNN-моделей, використання фреймворку nnU-Net, експертний перегляд контрольної вибірки, ансамблеве оцінювання прогнозів, розрахунок метрик сегментації та статистичний аналіз впливу якості розмітки на результати навчання моделей. У результаті роботи обґрунтовано доцільність використання тривимірних моделей для сегментації клиноподібної пазухи на КТ зображеннях і запропоновано підхід до вдосконалення процесу сегментації через виявлення потенційно дефектних випадків експертної розмітки.