Рак легких является одним из самых серьезных заболеваний во всем мире. Ежегодно более 1,6 миллиона новых пациентов диагностируются с этим заболеванием. Чрезмерная задержка выявления рака или запуск лечения может привести к гибели пациента. Таким образом, своевременное выполнение диагностических и терапевтических процедур, в том числе обнаружение рака легких на ранней стадии заболевания, является является актуальной задачей. С декабря 2019 года коронавирусная болезнь 2019 (COVID-19) возникла в городе Ухань, Китай, и быстро распространилась, вызвав панику во всем мире. Чтобы предотвратить распространение вируса необходима автоматическая система диагностики COVID-19 при быстрой диагностике пациентов для выявления данного заболевания на ранних стадиях. В данной работе описывается производительность новых систем компьютерного обнаружения (CAD), которые помогают диагностировать заболевания легких, включая COVID-19 и рак легких. Компьютерная обработка изображений компьютерной томографии для диагностики рака легких включает следующие этапы: получение медицинских изображений, предварительная обработка медицинских изображений, сегментация, уменьшение ложноположительных результатов. Были предложены три метода сегментации и один метод автоматического обнаружения очагов поражения. Компьютерные методы с использованием изображений компьютерной томографии можно использовать для диагностики COVID-19 несколькими способами: сегментация, автоматическое разделение инфицированных пациентов, от неинфицированных, отделение пациентов, инфицированных COVID-19, от похожих заболеваний, например, таких как отек легких. В методах, связанных с COVID-19, предложены два метода сегментации COVID-19 и два метода для автоматической диагностики случаев COVID-19.
Lung cancer is one of the most critical diseases globally, and more than 1.6 million new patients are diagnosed with this disease every year. Therefore, early detection of lung cancer is essential, and excessive detecting delay in or triggering lung cancer cases could cause the patient's affliction, and this fact can explain the timely implementation and effectiveness of diagnostic and therapeutic procedures. Since December 2019, Coronavirus Disease 2019 (COVID-19) emerged in Wuhan City, China, and quickly spread worldwide, causing panic around the world. To prevent the spread of the virus with a rapid diagnosis of patients, an automatic COVID-19 diagnosis system is needed to detect the disease in its early stages. This thesis introduces and evaluates the performance of new Computer-Aided Detection systems (CADs), which help diagnose lung diseases, including COVID-19 and lung cancer. Computer processing of CT scans to help diagnose lung cancer involves the following steps: medical image acquisition, pre-processing of medical images, segmentation, false-positive reduction. In lung cancer-related methods, three segmentation methods and one automatic nodule detection method have been proposed. Computer methods using CT scan images can be used to help diagnose COVID-19 in several ways: segmentation , automatic detection of patients infected by COVID-19 from non-infected, detection of patients infected by COVID-19 from similar diseases such as lung edema. In COVID-19-related methods, two methods proposed for COVID-19 segmentation and two methods proposed for the automatic diagnosis of COVID-19 cases.}.
