Магистерская дипломная работа посвящена разработке программной системы и повышению качества распознавания заболеваний легких на основе рентгенографии грудной клетки. Проведен обзор существующих методов и подходов диагностики заболеваний легких по рентгенограммах грудной клетки и их особенности. Также был представлен обзор наиболее актуальных наборов данных рентгенографии грудной клетки с открытым доступом, методы и особенности аугментации данных, предварительной обработки снимков. В рамках данной работы на основе полученных результатов был предложен метод автоматической классификации и прогнозирования легочных патологий фронтально-грудной рентгенографии. Представленный подход основан не только на распознавании заболеваний по изображению грудной клетки, но и использованию метаданных снимка (возраст, пол пациента, тип получения снимка). Были рассмотрены несколько архитектур, различные глубины моделей на основе глубоких нейронных сетей для извлечения признаков из изображения, предложены и реализованы методы предварительной обработки снимков для выделения ключевой области легких на снимке. Проведено сравнение эффективности предлагаемого подхода для различных архитектур с другими методами классификации патологий на общедоступной тестовой выборке набора данных, содержащий более 112 тысяч размеченных снимков легких. В итоге данной работы разработана и получена работающая система распознавания заболеваний легких на основе рентгенографии грудной клетки и метаданных пациента с использованием обученных моделей на основе глубоких нейронных сетей.

The master’s thesis is devoted to the development of a software system and improving the quality of recognition of lung diseases based on chest X-ray. A review of the existing methods and approaches for diagnosing lung diseases by chest radiographs and their features was carried out. An overview of the most relevant open access chest radiography datasets, methods and features of data augmentation, image preprocessing was also presented. As part of this work, based on obtained results, a method was proposed for automatic classification and prediction of pulmonary pathologies in frontal chest radiography. The presented approach is based not only on the recognition of diseases by the image of the chest, but also on the use of image metadata (age, gender of the patient, type of image acquisition). Several architectures were considered, various depths of models based on deep neural networks for extracting features from an image, methods for preprocessing images were proposed and implemented to highlight a key region of the lungs in the image. The effectiveness and quality of recognition of the proposed approach for various architectures was compared with other pathology classification methods on a publicly available test set of a dataset containing more than 112 thousand labeled lung images. As a result of this work, a working system for recognizing lung diseases based on chest x-ray and patient metadata was developed and obtained using trained models based on deep neural networks.