Please use this identifier to cite or link to this item:
http://elar.khnu.km.ua/jspui/handle/123456789/10545

Можете відсканувати цей QR-код телефоном( програмою "Сканер QR-кодів" ) для збереження.

Title: Інформаційна технологія візуального аналізу рентгенівських зображень для інтерпретації результатів діагностування пневмонії
Other Titles: Information technology of visual analysis of x-ray images for interpretation of pneumonia diagnostic results
Authors: Бармак, О.В.
Радюк, П.М.
Barmak, Olexander
Radiuk, Pavlo
Keywords: пневмонія;згорткова нейронна мережа;рентгенівське зображення грудної клітини;візуальний аналіз;мапи активації класів;pneumonia;convolutional neural network;chest X-ray;visual analysis;class activation maps
Issue Date: 2021
Publisher: Хмельницький національний університет
Citation: Бармак О. В. Інформаційна технологія візуального аналізу рентгенівських зображень для інтерпретації результатів діагностування пневмонії / О. В. Бармак, П. М. Радюк // Вісник Хмельницького національного університету. Технічні науки. - 2021. - № 2. - С. 52-55.
Abstract: На сьогодні пневмонія є одним із поширеніших та найбільш серйозних легеневих захворювань у всьому світі. Раннє діагностування пневмонії є ключовим чинником її успішного лікування. Для розв’язання актуального завдання в галузі цифрового діагностування в цій пропонується інформаційна технологія візуального аналізу рентгенівських зображень для пояснення результатів діагностування пневмонії. В основі технології закладено модель класифікації на основі згорткової нейронної мережі для вилучення слабо виражених ознак ранньої вірусної пневмонії та модифікований метод відмінної локалізації для інтерпретації результатів класифікації. Метод інтерпретації полягає в застосуванні зважених градієнтів до мап активації класів. Подібна модифікація забезпечує відмінну локалізацію аномальних зон на рентгенограмах, що дає змогу вилучити цільові слабко виражені ознаки ранньої пневмонії. Відповідно до обчислювальних експериментів, запропонована інформаційна технологія може бути ефективним засобом для миттєвого діагностування в разі перших підозр на виявлення пневмонії.
To date, pneumonia is one of the most common and severe lung diseases in the world. Early diagnosis of pneumonia is a crucial factor in its successful treatment. Over the last decade, automated analysis of chest X-rays has been recognized as an effective tool for diagnosing lung diseases. However, the problem of implementing and configuring methods that explain the results of digital diagnosis remains acute. Convolutional neural networks now show state-of-the-art results in the identification of diseases on X-ray. Therefore, to address the urgent issue in digital diagnosis, we propose information technology for visual analysis of X-ray images to explain the results of diagnosing pneumonia. The technology comprises a classification model based on a convolutional neural network to remove mild features of early viral pneumonia and a modified method of different localization to interpret the classification results. The method of interpretation is to apply weighted gradients to class activation maps. It distinguishes lung masks in the X-ray image and imposes thermal maps with a color gradient from blue to bright red. The red color corresponds to the most probable location of the pneumonia features in the radiograph. Such a modification provides excellent localization of abnormal areas on radiographs, removing the mild target features of early pneumonia. It should be noted that our model based on the convolutional network surpassed other classifiers in precision (98.5%) but slightly conceded in classification accuracy (96.1%) and recall (93.6%). Also, it shows relatively low false positive and false negative rates, with 1.4% and 6.4%, respectively. Overall, according to computational experiments, the proposed information technology can be an effective tool for instant diagnosis in the first suspicion of pneumonia
URI: http://elar.khnu.km.ua/jspui/handle/123456789/10545
UDC: 004.932:004.023
metadata.dc.type: Стаття
Appears in Collections:Вісник ХНУ. Технічні науки - 2021 рік

Files in This Item:
File Description SizeFormat 
9.pdf648,32 kBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.