Адамов А.А., Гндоян И.А., Дятчина А.И., Храмов В.Н. Разработка классификатора фотоизображений патологий для ультрамалого набора данных

Рейтинг:   / 8

Подробности

Просмотров: 810

https://doi.org/10.15688/mpcm.jvolsu.2023.1.3

Антон Андреевич Адамов
Кандидат технических наук, младший научный сотрудник института математики и информационных технологий, старший преподаватель кафедры радиофизики,
Волгоградский государственный университет
Этот адрес электронной почты защищен от спам-ботов. У вас должен быть включен JavaScript для просмотра. ,  Этот адрес электронной почты защищен от спам-ботов. У вас должен быть включен JavaScript для просмотра. ,  Этот адрес электронной почты защищен от спам-ботов. У вас должен быть включен JavaScript для просмотра.
https://orcid.org/0000-0002-7394-0744
просп. Университетский, 100, 400062 г. Волгоград, Российская Федерация

Ирина Асатуровна Гндоян
Доктор медицинских наук, заведующая кафедрой офтальмологии,
Волгоградский государственный медицинский университет
Этот адрес электронной почты защищен от спам-ботов. У вас должен быть включен JavaScript для просмотра.
https://orcid.org/0000-0001-7581-9473
пл. Павших Борцов 1, 400131 г. Волгоград, Российская Федерация

Алена Игоревна Дятчина
Аспирант кафедры офтальмологии,
Волгоградский государственный медицинский университет
Этот адрес электронной почты защищен от спам-ботов. У вас должен быть включен JavaScript для просмотра.
https://orcid.org/0000-0001-9632-5800
пл. Павших Борцов 1, 400131 г. Волгоград, Российская Федерация

Владимир Николаевич Храмов
Кандидат физико-математических наук, доцент кафедры радиофизики,
Волгоградский государственный университет
Этот адрес электронной почты защищен от спам-ботов. У вас должен быть включен JavaScript для просмотра. ,  Этот адрес электронной почты защищен от спам-ботов. У вас должен быть включен JavaScript для просмотра.
https://orcid.org/0000-0001-8988-0929
просп. Университетский, 100, 400062 г. Волгоград, Российская Федерация

Аннотация. Цель работы: создать алгоритм и реализовать его в программном средстве для классификации фотоизображений патологии центральной области глазного дна человека, выявляемые при помощи исследования аутофлюоресценции, по 8 типам-паттернам: нормальный, минимальные изменения, фокальный, пятнистый, линейный, кружевоподобный, ретикулярный, крапчатый. Методы: алгоритмы машинного обучения (сверточные нейронные сети) и компьютерного зрения (гистораммные методы, перцептивные хэш-алгоритмы). Главная особенность задачи: ультрамалый набор уникальных фотоизображений с точно диагностируемым типом патологии (18 штук). Точность прогнозов при решении задачи с помощью нейросети 12,5%. Точность прогнозов разработанного алгоритма с использованием комбинации гистограмм, перцептивного хэша и 1 опорного фото нормального состояния глазного дна равна 60% при подборе параметров классификатора из набора 1 фото на 1 патологию. При использовании 3 опорных фото нормы — 85%. Предложенное решение может использоваться в медицине, офтальмологии, фотонике и оптике биотканей, машинном обучении как в научно-исследовательских, так и в учебных целях.

Ключевые слова: обработка фотоизображений, компьютерное зрение, машинное обучение, классификация изображений, гистограмма, перцептивный хэш, офтальмологическая диагностика, компьютеризация медицины.

Произведение «Разработка классификатора фотоизображений патологий для ультрамалого набора данных», созданное авторами по имени Адамов А.А., Гндоян И.А., Дятчина А.И., Храмов В.Н. публикуется на условиях лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.

Цитата: Математическая физика и компьютерное моделирование. Том 26 № 1 2023, с. 33-48

Вложения:

Matematicheskaya fizika_1_2023-34-49.pdf URL: https://mp.jvolsu.com/index.php/ru/component/attachments/download/1085

89 Скачивания