Отрывок: Бо- лее высокие значения метрик для пневмонии возмож- но связаны со значительно большим количеством РИ с этим заболеванием. Все показатели, приведенные в табл. 1, указывают на высокое качество классификации, что однозначно сви- детельствуют о возможности применения НС для обна- ружения случаев COVID-19 по РИ грудной клетки. Программные средства: Win 10x64, Python 3.7, Numpy 1.16.5, OpenCV 4.2.0, Matplotlib 3.1.1, Tensorflow 2.1.0, Sc...
Название : | Классификация рентгеновских изображений грудной клетки больных вирусной пневмонией и COVID-19 с помощью нейронных сетей |
Другие названия : | Chest X-ray image classification for viral pneumonia and Сovid-19 using neural networks |
Авторы/Редакторы : | Ефремцев, В.Г. Ефремцев, Н.Г. Тетерин, Е.П. Тетерин, П.Е. Базавлук, Е.С. Efremtsev, V.G. Efremtsev, N.G. Teterin, E.P. Teterin, P.E. Bazavluk, E.S. |
Ключевые слова : | обработка рентгенографических изображений сверточная нейронная сеть классификация COVID-19 X-ray image processing convolutional neural network classification |
Дата публикации : | Фев-2021 |
Издательство : | Самарский национальный исследовательский университет |
Библиографическое описание : | Ефремцев, В.Г. Классификация рентгеновских изображений грудной клетки больных вирусной пневмонией и COVID-19 с помощью нейронных сетей / В.Г. Ефремцев, Н.Г. Ефремцев, Е.П. Тетерин, П.Е. Тетерин, Е.С. Базавлук // Компьютерная оптика. – 2021. – Т. 45, № 1. – С. 149-153. – DOI: 10.18287/2412-6179-CO-765. |
Серия/номер : | 45;1 |
Аннотация : | В статье рассматривается применение нейронных сетей для классификации рентгенографических изображений больных пневмонией и COVID-19. Для выбора наилучших параметров изменения размеров и адаптивного выравнивания гистограммы яркости изображений, а также оптимальной архитектуры нейронной сети и ее гиперпараметров использовались precision, recall и f1-score. Высокие значения этих метрик качества классификации (> 0,91) убедительно свидетельствуют о надежном разграничении рентгенографических изображений больных пневмонией от больных COVID-19. Это открывает возможность создания модели c хорошей предсказательной способностью без привлечения готовых сложных моделей и без предварительного обучения на сторонних данных. Полученные результаты дают хорошие перспективы разработки чувствительных и надежных экспресс-методов диагностики заболевания COVID-19. The use of neural networks to detect differences in radiographic images of patients with pneu-monia and COVID-19 is demonstrated. For the optimal selection of resize and neural network ar-chitecture parameters, hyperparameters, and adaptive image brightness adjustment, precision, recall, and f1-score metrics are used. The high values of these metrics of classification quality (> 0.91) strongly indicate a reliable difference between radiographic images of patients with pneumonia and patients with COVID-19, which opens up the possibility of creating a model with good predictive ability without involving ready-to-use complex models and without pre-training on third-party data, which is promising for the development of sensitive and reliable COVID-19 express-diagnostic methods. |
URI (Унифицированный идентификатор ресурса) : | https://dx.doi.org/10.18287/2412-6179-CO-765 http://repo.ssau.ru/handle/Zhurnal-Komputernaya-optika/Klassifikaciya-rentgenovskih-izobrazhenii-grudnoi-kletki-bolnyh-virusnoi-pnevmoniei-i-COVID19-s-pomoshu-neironnyh-setei-87762 |
Другие идентификаторы : | Dspace\SGAU\20210228\87762 |
ГРНТИ: | 28.23.15 |
Располагается в коллекциях: | Журнал "Компьютерная оптика" |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
450117.pdf | Основная статья | 958.3 kB | Adobe PDF | Просмотреть/Открыть |
Показать полное описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.