Застосування математичних методів і алгоритмів машинного навчання для класифікації рентгенівських зображень
| Autor: | Ainur Shekerbek, Sandugash Serikbayeva, Murat Tulenbayev, Galitdin Bakanov, Svetlana Beglerova, Anastassiya Makovetskaya |
|---|---|
| Jazyk: | angličtina |
| Rok vydání: | 2022 |
| Předmět: |
Applied Mathematics
Mechanical Engineering pattern recognition штучний інтелект Energy Engineering and Power Technology mathematical methods обробка медичних зображень машинне навчання neural networks artificial intelligence нейронні мережі medical image processing Industrial and Manufacturing Engineering Computer Science Applications machine learning Control and Systems Engineering Management of Technology and Innovation розпізнавання образів Environmental Chemistry математичні методи Electrical and Electronic Engineering Food Science |
| Zdroj: | Eastern-European Journal of Enterprise Technologies; Vol. 3 No. 2 (117) (2022): Information technology. Industry control systems; 6-17 Eastern-European Journal of Enterprise Technologies; Том 3 № 2 (117) (2022): Інформаційні технології. Системи управління в промисловості; 6-17 |
| ISSN: | 1729-3774 1729-4061 |
| Popis: | The relevance of the topic, in particular, if to take one of the information flows, whether it is the action of a human factor or a specific object, then it is true that special processing of the machine learning language and automatic information output significantly optimize human life. With the help of neural networks and their chest radiography is one of the most accessible radiological studies for screening and diagnosis of many lung diseases a special machine learning language is to study the flow of information about it and the same object in real time using neural networks. The article describes the terminology of the problem of X-ray recognition using machine learning methods and algorithms, examines the relevance of the problem, and analyzes the current state of the problem in the field of X-ray recognition. The aspects of the problem being solved, identified during the analysis, in the form of solved problems, approaches, methods, information technologies used, tools and software solutions to the problem are noted The paper is devoted to the description of a modified method of fuzzy clustering of halftone images, which at each iteration performs a dynamic transformation of the source data based on a singular decomposition with automatic selection of the most significant columns of the matrix of left singular vectors. The results of experimental studies were obtained by processing X-ray images. As a result of testing a neural network model, in the output layer of which a sigmoidal activation function was used to activate neurons, and an algorithm was used as an optimization method, the best values of accuracy and completeness were obtained: accuracy – 94.2 During testing, the neural network showed an accuracy of pneumonia recognition equal to 94,27 % Актуальність теми, зокрема, якщо взяти один із інформаційних потоків, чи то дія людського фактора чи конкретного об'єкта, то правдивим стає факт, що спеціальна обробка мови машинного навчання та автоматичне виведення інформації значно оптимізують людське життя. За допомогою нейронних мереж та їх рентгенографії органів грудної клітки — одного з найдоступніших рентгенологічних досліджень для скринінгу та діагностики багатьох захворювань легень — спеціальна мова машинного навчання дозволяє вивчати потоки інформації про нього і той самий об'єкт у режимі реального часу за допомогою нейронних мереж. . У статті описано термінологію проблеми розпізнавання рентгенівських знімків з використанням методів та алгоритмів машинного навчання, розглянуто актуальність проблеми, а також проаналізовано сучасний стан проблеми в галузі розпізнавання рентгенівських знімків. Наголошуються аспекти розв'язуваної проблеми, виявлені в ході аналізу, у вигляді розв'язуваних завдань, підходів, методів, що використовуються інформаційних технологій, інструментів та програмних рішень проблеми. Стаття присвячена опису модифікованого методу нечіткої кластеризації напівтонових зображень, що на кожній ітерації виконує динамічне перетворення вихідних даних на основі сингулярної декомпозиції з автоматичним виділенням найбільш значних стовпців матриці лівих сингулярних векторів. Результати експериментальних досліджень було отримано шляхом обробки рентгенівських зображень. В результаті тестування моделі нейронної мережі, у вихідному шарі якої для активації нейронів використовувалася сигмоїдальна функція активації, а як метод оптимізації – алгоритм, були отримані найкращі значення точності та повноти: точність – 94,2. Під час тестування нейромережа показала точність розпізнавання пневмонії, що дорівнює 94,27 % |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|