Разработка системы распознавания и классификации патологий грудной клетки

Данная работа посвящена решению актуальной задачи разработки системы распознавания и классификации патологий грудной клетки с целью сравнения и последующего предсказания патологий. Актуальность задачи определяется сложностью постановки диагноза даже опытными специалистами. Компьютерные технологии помогают ускорить обследования, получить более точные сведения о заболевании. В ходе аналитического обзора литературы было выявлено, что данное направление исследований представляет существенный научный интерес для специалистов в сфере машинного обучения. С целью подготовки тестовых данных была выполнена предварительная обработка рентгеновских снимков нормальных случаев, случаев инфекции лёгких, не связанных с COVID-19, случаев вирусной пневмонии и COVID положительных случаев, полученных из открытых источников, в частности осуществлена масштабируемость данных. Предложен подход к решению задачи распознавания и классификации патологий грудной клетки с применением свёрточной нейронной сети. Построен прототип программы, реализующий выявления рентгеновских изображений COVID-19 от нормальных и тяжёлых случаев острых респираторных заболеваний с точностью более 85 процентов. Проведены экспериментальные исследования, которые показали перспективность предложенного подхода и возможность его применения для постановки диагноза.

Development of information system for recognizing and classifying chest pathologies

The work is devoted to solving an urgent problem of developing of a system for recognition and classification of chest pathologies with the aim of comparing and subsequent prediction of pathologies. The relevance of the problem is determined by the complexity of diagnostics even by experienced specialists. Information technologies help accelerate the investigation, obtain more accurate data about the disease. Analysis of literature showed that this research area is of substantial scientific interest for machine learning specialists. In order to prepare test data preprocessing of x-ray images of normal cases, cases of lung infection not connected to COVID-19, cases of viral pneumonia and COVID-positive cases, gained in open sources, in particular, scalability of data was performed. An approach to the decision of the problem of distinguishing and classifying chest pathologies using deep learning convolution of neural network was proposed. A program prototype was built for identification of x-ray images of COVID-19 from normal and severe cases of acute respiratory illness with accuracy of about 85 percent. Experimental investigation showing prospectiveness of the approach proposed ability of its use in diagnostics.