Использование трансферного обучения для автоматизированного поиска дефектов на рентгенограммах органов грудной клетки

Аннотация:

Цель исследования: разработать и протестировать алгоритмы определения проекции и поиска распространенных технических дефектов на рентгенограммах органов грудной клетки (ОГК) при помощи трансферного обучения, используя различные нейросетевые архитектуры. Материал и методы. Определялись такие несоответствия методики сканирования на рентгенограммах как некорректный выбор границ исследования, нарушение укладки и позиционирования пациентов. В качестве основы для создания алгоритмов было выбрано трансферное обучение нейросетевых архитектур VGG19 и ResNet152V2. Для обучения и тестирования алгоритмов были использованы рентгенограммы из баз данных с открытым доступом (общий объем более 230 тыс. исследований). Для валидации полученных алгоритмов был подготовлен тестовый набор данных из 150 анонимизированных рентгенограмм ОГК, полученных из Единого радиологического информационного сервиса города Москвы (ЕРИС) и оцененных врачами-экспертами и лаборантами-экспертами. Результаты. Все полученные алгоритмы имеют высокие показатели качества классификации. Максимальная точность на тестовом наборе данных была получена для модели, определяющей проекцию, AUG составил 1,0, минимальная точность: AUC 0,968 была получена для модели, определяющей ротацию грудной клетки на боковой проекции. На валидационном наборе данных максимальная точность была получена для модели, определяющей проекцию, AUC составил 0,996, минимальная точность: AUC 0,898 была получена для модели, определяющей ротацию грудной клетки на боковой проекции. Заключение. По значениям метрик диагностической точности для каждой из задач разработанные алгоритмы превысили пороговое значение в 0,81 и могут быть рекомендованы к практическому применению.

Авторы:

Издание: Медицинская визуализация
Год издания: 2023
Объем: 12с.
Дополнительная информация: 2023.-N 1.-С.158-169. Библ. 25 назв.
Просмотров: 14