НЕЙРОСЕТЕВОЙ АНАЛИЗ ЦИФРОВЫХ ИЗОБРАЖЕНИЙ ЛЕЙКОЦИТОВ ДЛЯ ОБНАРУЖЕНИЯ ЗАБОЛЕВАНИЙ КРОВИ
https://doi.org/10.35266/1999-7604-2023-3-43-51
Аннотация
В статье рассматривается применение метода трансферного обучения ансамбля искусственных сверточных нейронных сетей с предварительной сегментацией клеток крови на цифровых изображениях для последующей классификации их типов. Полученные результаты нейросетевой классификации свидетельствуют об эффективности использования рассматриваемых технологий для повышения точности искусственных нейронных сетей при решении задач сегментации медицинских изображений лейкоцитов с целью диагностики заболеваний крови.
Об авторах
Максим Алексеевич Панин
Сургутский государственный университет, Сургут
Россия
Россия
магистрант
Элишан Шахинович Мамедов
Сургутский государственный университет, Сургут
Россия
Россия
магистрант
Дмитрий Викторович Тараканов
Сургутский государственный университет, Сургут
Россия
Россия
кандидат технических наук, доцент
Список литературы
1. Бурхонов Р. А., Клименко С. В. Применение методов глубокого обучения в задаче распознавания медицинских изображений : труды междунар. науч. конф. CPT1617, 08–15 мая 2016 г.; 07–14 мая 2017 г., г. Ларнака, Республика Кипр; 28–29 июня 2016 г., г. ЦарьГрад, Россия. М. ; Протвино : ИФТИ, 2017. С. 163–165.
2. Пеников А. А., Белов Ю. С. Обзор архитектур сверточных нейронных сетей для решения задачи семантической сегментации медицинских изображений // Фундаментальные и прикладные исследования. Актуальные проблемы и достижения : сб. избранных статей Всерос. национал. науч. конф., 11 января 2022 г., г. Санкт-Петербург. СПб. : ГНИИ «НАЦРАЗВИТИЕ», 2022. С. 18–21.
3. Gu Z., Cheng J., Fu H. et al. CE-Net: Context encoder network for 2D medical image segmentation. IEEE Transactions on Medical Imaging. 2019;38(10):2281–2292.
4. Погружение в сверточные нейронные сети: передача обучения (transfer learning). URL: https://habr. com/ru/post/467967/ (дата обращения: 14.09.2023).
5. Keras Applications. URL: https://keras.io/api/applications/ (дата обращения: 14.09.2023).
6. Simonyan K., Zisserman A. Very deep convolutional networks for large-scale image recognition. ArXiv. 2015. URL: https://arxiv.org/pdf/1409.1556.pdf (дата обращения: 14.09.2023).
7. Куркова А. А., Григорьева А. И. Дифференциальная диагностика острого лимфобластного и острого миелобластного лейкозов // Смоленский медицинский альманах. 2018. № 1. С. 191–196.
8. C_NMC_2019 dataset: ALL challenge dataset of ISBI 2019 (C-NMC 2019). URL: https://wiki.cancer-imagingarchive.net/pages/viewpage.action?pageId= 52758223#52758223a9c2c0a8b429412880eaa123286ca6f7 (дата обращения: 14.09.2023).
9. A single-cell morphological dataset of leukocytes from AML patients and non-malignant controls (AML-Cytomorphology_LMU). URL: https://wiki. cancerimagingarchive.net/pages/viewpage.action?pa geId=61080958#610809587633e163895b484eafe5794e2017c585 (дата обращения: 14.09.2023).
Рецензия
Для цитирования:
Панин М.А., Мамедов Э.Ш., Тараканов Д.В. НЕЙРОСЕТЕВОЙ АНАЛИЗ ЦИФРОВЫХ ИЗОБРАЖЕНИЙ ЛЕЙКОЦИТОВ ДЛЯ ОБНАРУЖЕНИЯ ЗАБОЛЕВАНИЙ КРОВИ. Вестник кибернетики. 2023;22(3):43-51. https://doi.org/10.35266/1999-7604-2023-3-43-51
For citation:
Panin M.A., Mamedov E.Sh., Tarakanov D.V. AN ANALYSIS OF DIGITAL IMAGES USING NEURAL NETWORKS TO DETECT HEMATOLOGIC DISEASES. Proceedings in Cybernetics. 2023;22(3):43-51. (In Russ.) https://doi.org/10.35266/1999-7604-2023-3-43-51
Просмотров:
72
Послать статью по эл. почте 