Детальная информация

Название: Алгоритм глубокого обучения для анализа набора данных снимков маммографии в компьютерной системе определенная и диагностика заболевания: выпускная квалификационная работа магистра: направление 09.04.04 «Программная инженерия» ; образовательная программа 09.04.04_02 «Основы анализа и разработки приложений с большими объемами распределенных данных»
Авторы: Родригес Гарсон Катерине
Научный руководитель: Никифоров Игорь Валерьевич
Другие авторы: Локшина Екатерина Геннадиевна
Организация: Санкт-Петербургский политехнический университет Петра Великого. Институт компьютерных наук и технологий
Выходные сведения: Санкт-Петербург, 2020
Коллекция: Выпускные квалификационные работы; Общая коллекция
Тематика: сверточная нейронная сеть; глубинное обучение; компьютерное зрение; компьютерная система диагностики; обработка медицинского изображения; классификация рака молочной железы; метод обнаружения опухолей; convolutional neural network; deep learning; computer vision; computer-aided diagnosis system; medical image processing; breast cancer classification.tumors detection method
Тип документа: Выпускная квалификационная работа магистра
Тип файла: PDF
Язык: Русский
Уровень высшего образования: Магистратура
Код специальности ФГОС: 09.04.04
Группа специальностей ФГОС: 090000 - Информатика и вычислительная техника
Ссылки: Отзыв руководителя; Рецензия; Отчет о проверке на объем и корректность внешних заимствований
DOI: 10.18720/SPBPU/3/2020/vr/vr20-961
Права доступа: Доступ по паролю из сети Интернет (чтение, печать, копирование)
Ключ записи: ru\spstu\vkr\6480

Разрешенные действия:

Действие 'Прочитать' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети Действие 'Загрузить' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети

Группа: Анонимные пользователи

Сеть: Интернет

Аннотация

Точное диагностирование заболевания требует многолетней медицинской практики. В последнее время Машинное обучение, особенно алгоритмы Глубокого обучения, добилось огромных успехов в области автоматической диагностики заболеваний, благодаря чему у врачей появился инструмент, помогающий им принимать решения во время диагностического процесса. ИИ (Искусственный интеллект) имеет большой потенциал для его применения практически во всех областях медицины. Медицинские проект состоит в том, чтобы считывать данные определенного типа, например, числовые данные, такие как частота сердечных сокращений или артериальное давление, или на основании изображений, таких как рентгеновские снимки или образцы биопсийной ткани в качестве входных данных. Затем на основе извлеченных данных создаются алгоритмы, способных выработать либо некую вероятность, либо создать некую классификацию. Этот проект был разработан с целью обучения алгоритму классификации типов рака молочной железы на основе анализа рентгеновских изображений. В этой статье представлен метод автоматической сегментации опухоли молочной железы, основанный на многолучевой Сверточной Нейронной Сети (Convolutional Neural Network, CNN). Обучение модели и настройка гиперпараметров были выполнены с использованием набора данных DDSM («Digital Database for Screening Mammography» / «Цифровая база данных для скрининговой маммографии»). В данной статье вы так же найдете подробное описание каждого из этапов проекта, определение проблемы, определение проблемы машинного обучения и предложение его решения, поиск и построение нашего набора данных, преобразование данных, модель обучения и использование модели для прогнозирования.

Correctly diagnosing diseases takes years of medical training. Machine Learning particularly Deep Learning algorithms, has recently made huge advances in automatically diagnosing diseases, making doctors have a tool to help them make decisions and support the diagnostic process. AI has the potential to be applied in almost every field of medicine. The projects in medicine read in some type of data, either numerical such as heart rate or blood pressure or image-based such as ray-x scans or Images of Biopsy Tissue Samples as an input. The algorithms then learn from the data and churn out either a probability or a classification. Oriented in this same direction, this project was developed with the objective of training an algorithm to classify types of breast cancer based on the analysis of x-ray images. In this paper, an automatic breast tumor segmentation approach based on a multi-path Convolutional Neural Network (CNN) is presented. The model’s training and hyper-parameter tuning were performed on the DDSM (" Digital Database for Screening Mammography") dataset. In addition, there is a detailed description of each one of the phases of the project, definition problem, define a machine learning problem and propose a solution, search and construction our dataset, transform data, train model and use the model to make predictions.

Права на использование объекта хранения

Место доступа Группа пользователей Действие
Локальная сеть ИБК СПбПУ Все Прочитать Печать Загрузить
Внешние организации №2 Все Прочитать
Внешние организации №1 Все
Интернет Авторизованные пользователи СПбПУ Прочитать Печать Загрузить
Интернет Авторизованные пользователи (не СПбПУ, №2) Прочитать
Интернет Авторизованные пользователи (не СПбПУ, №1)
-> Интернет Анонимные пользователи

Статистика использования

stat Количество обращений: 9
За последние 30 дней: 0
Подробная статистика