Table | Card | RUSMARC | |
Allowed Actions: –
Action 'Read' will be available if you login or access site from another network
Action 'Download' will be available if you login or access site from another network
Group: Anonymous Network: Internet |
Annotation
Внутричерепное кровоизлияние является серьезной проблемой для здоровья, требующей быстрого и интенсивного медицинского лечения. Алгоритм, который смог бы выделять кровоизлияния на МРТ и определять их тип сильно помог бы докторам в процессе лечения. В данной работе изложен подход к обработке МРТ головного мозга. Предложен способ фильтрации непригодных для анализа МРТ. Этот способ был статистически и эмпирически обоснован, что означает возможность его использования для всей генеральной совокупности МРТ головного мозга. Также предложен алгоритм выделения кровоизлияний на МРТ с помощью фильтрации и нахождения компонент связности. Способ выделения числовых признаков для кровоизлияний, описанный в данной работе, позволяет использовать различные методы машинного обучения для решения задачи определения типа кровоизлияния. Было проведено исследование нескольких алгоритмов классификации, в результате которого Random Forest показал самую высокую точность в 71.8% на тестовой выборке. Однако все классификаторы не справились с определением эпидуральных гематом, это связано с тем, что эти кровоизлияния являются самыми редкими.
Intracranial hemorrhage is a serious health problem requiring quick and intensive medical treatment. An algorithm that could isolate hemorrhages on MRI and determine their type would greatly help doctors in the treatment process. This paper sets out an approach to the processing of brain MRI. A method for filtering unsuitable for MRI analysis is proposed. This method was statistically and empirically justified, which means the possibility of its use for the entire brain MRI population. An algorithm for isolating hemorrhages on MRI using filtering and finding connected components is also suggested. The method for identifying numerical signs for hemorrhages described in this paper allows the use of various machine learning methods to solve the problem of determining the type of hemorrhage. A study of several classification algorithms was conducted, as a result of which Random Forest showed the highest accuracy at 71.8% on the test sample. However, all classifiers failed to determine the epidural hematomas, this is due to the fact that these hemorrhages are the rarest.
Document access rights
Network | User group | Action | ||||
---|---|---|---|---|---|---|
ILC SPbPU Local Network | All | |||||
Internet | Authorized users SPbPU | |||||
Internet | Anonymous |
Table of Contents
- Определение типа внутричерепного кровоизлияния по МРТ головного мозга
- Введение
- 1. Классификация внутричерепных кровоизлияний
- 2. Обзор литературы
- 3. Разработка алгоритма классификации внутричерепного кровоизлияния по МРТ головного мозга
- 4. Результаты
- Заключение
- Список использованных источников
Usage statistics
Access count: 16
Last 30 days: 0 Detailed usage statistics |