Автоматизована система для класифікації зісканованих медичних зображень за допомогою нейронних мереж
Автор: Кравець Олексій Богданович
Кваліфікаційний рівень: магістр
Спеціальність: Інформаційні технології проектування
Інститут: Інститут комп'ютерних наук та інформаційних технологій
Форма навчання: денна
Навчальний рік: 2024-2025 н.р.
Мова захисту: англійська
Анотація: Кравець О.Б., Юрчак І.Ю. Автоматизована система для класифікації зісканованих медичних зображень за допомогою нейронних мереж. Магістерська кваліфікаційна робота. - Національний університет «Львівська політехніка», Львів, 2024. Розширена анотація. Ця кваліфікаційна робота присвячена розробці автоматизованої системи для класифікації медичних зображень з використанням сучасних методів глибокого навчання. Така система має на меті підтримку лікарів у постановці діагнозів, спрощення процесу аналізу рентгенівських знімків і підвищення точності діагностики. Головним завданням системи є класифікація медичних зображень для виявлення легеневих захворювань, зокрема COVID-19 та пневмонії. Швидке та точне виявлення патологій на основі рентгенівських знімків є критичним для своєчасного лікування пацієнтів.Система використовує моделі глибокого навчання, здатні аналізувати великі обсяги даних і виділяти патерни, які можуть бути недоступними для традиційних методів аналізу. Такий підхід забезпечує високу точність і можливість автоматизованого опрацювання великої кількості зображень. Таким чином, ця робота робить значний внесок у розвиток автоматизації в медицині та демонструє перспективи використання технологій глибокого навчання для аналізу медичних зображень. Об’єкт дослідження — процеси автоматизації класифікації медичних зображень із використанням нейронних мереж. Предмет дослідження — нейронні мережі та алгоритми комп’ютерного зору для діагностики захворювань. Мета роботи — розробка автоматизованої системи, яка забезпечує ефективну класифікацію медичних зображень для підтримки прийняття рішень у медичній діагностиці. Наукова новизна роботи полягає у розробці та застосуванні моделі глибокого навчання для аналізу рентгенівських знімків, що дозволяє покращити точність діагностики та швидкість обробки даних. У роботі виконано аналіз сучасних методів комп’ютерного зору та моделей нейронних мереж, розглянуто їх переваги та обмеження для медичних застосувань. Система реалізована на основі Core ML з використанням Create ML, технологій MVVM та Vision. Розроблена система пройшла тестування на реальних даних, що дозволило оцінити її точність, продуктивність і відповідність поставленим вимогам. Система надає можливість ефективного використання в клінічній практиці для підтримки лікарів у постановці діагнозу. Загальний обсяг роботи: 92 сторінок, з них 3 додатки обсягом 8 сторінок, 26 рисунків, 4 таблиці, 6 рамок. Ключові слова: медичні зображення, класифікація, нейронні мережі, Core ML, COVID-19, пневмонія, автоматизація, комп’ютерний зір. Перелік використаних літературних джерел: Центри контролю та профілактики захворювань (CDC). Рекомендації з рентгенографічної діагностики пневмонії [Електронний ресурс]. - Режим доступу: https://www.cdc.gov. Системний аналіз та модель ідентифікації на основі медичних зображень [Електронний ресурс]. – Режим доступу: https://ir.lib.vntu.edu.ua/bitstream/