Алгоритмизация процесса распознавания состояний физиологических объектов на основе специальных рентгеновских изображений

Abstract

В статье рассмотрены результаты разработки модуля экспертной системы диагностики заболеваний, основанной на методе нейросетевого анализа. Установлено, что максимальной эффективностью по обработке снимков аппаратов магнитно-резонансной томографии обладают свёрточные нейронные сети. При этом сформирован алгоритм по выбору оптимальной структуры нейронной сети в формате поставленной задачи. Итогом проделанной работы стала сформированная свёрточная нейронная сеть, способная с высокой долей вероятности обнаруживать очаги патологических изменений тканей на снимках магнитно-резонансного томографа. Апробация метода осуществлялась на отдельно взятом органе человека – лёгких. Система в тестовом режиме внедрена в одну из крупнейших клиник города.

The article discusses results of the development of an expert system module for diagnosing diseases based on the method of neural network analysis. In the course of the study, it was established that when processing images obtained using magnetic resonance imaging (MRI) devices, convolutional neural networks offer the maximum efficiency. An algorithm is developed to select an optimal neural network structure best suited for our objective. As a result of the work, we developed a convolutional neural network capable of detecting foci of pathological changes in tissues with high probability in the images obtained by MRI scanners. The method was evaluated using a separate human organ - lungs. The system was implemented in a test mode in one of the largest clinics of the city of Voronezh.