Нейронна мережа для аналізу термограм під час відкритої операції на серці
DOI:
https://doi.org/10.20535/2617-8974.2020.4.221874Ключові слова:
нейронна мережа, термографія, машинне навчання, аналіз зображень, PythonАнотація
Запропоновано застосування методів сучасного машинного навчання для аналізу термограм під час відкритої операцій на серці на основі згорткової нейронної мережі. Аналіз термографічних зображень серця виконується з використанням методики глибокого навчання на основі нейронної мережі, яка забезпечує класифікацію термограм на дві групи – «норма» та «патологія» кровозабезпечення міокарда. Для класифікації термограм між групами «норми» і «патології» використовується значення градієнта температури – поріг зміни температури на 3ºC на поверхні міокарда, який дає змогу віднести зображення до однієї з груп. В роботі порівняно різні види нейронних мереж для аналізу термографічних даних, серед яких було обрано оптимальну структуру нейронної мережі, спираючись на значення точності, специфічності, чутливості та ймовірність помилок першого та другого роду. Досягнуто точності класифікації між групами в 65% для експериментальної вибірки 105 термографічних зображень серця. Підвищення точності класифікації потребує подальших рішень шляхом збільшення навчальної вибірки, що дасть змогу використання запропонованої архітектури згорткової нейронної мережі у складі термографічної системи скринінгу.Посилання
Ravı, D., Wong, C., Deligianni, F. Deep Learning for Health Informatics. IEEE Journal of Biomedical and Health Informatics. 2017. Vol. 521. C. 436–444.
Bichinho, G. L., Gariba, M. A., Sanches, I. J. A computer tool for the fusion and visualization of thermal and magnetic resonance images. Journal of Digital Imaging. 2009. Vol. 22, No. 5. C. 527–534.
Zayaats, G. A., Koval, V. T. Medical thermal imaging - a modern method of functional diagnostics. Health. Medical ecologe. Science. 2010. Vol. 43, No. 3. C. 27–33.
Weiner, B. G. Matrix thermal imaging in physiology: the study of vascular reactions, perspiration and thermoregulation in humans: Novosibirsk: Publishing House of the Siberian Branch of the Russian Academy of Sciences, 2004. 96c.
Blumin, R. B., Naumova, E. M., Khadartsev, A. A. Technologies of contactless diagnostics. Bulletin of new medical technologies. 2008. Vol. 15, No. 4. C. 146–149.
Kozhevnikova, I. S., Pankov, M. N., Gribanov, A. V., та ін. Application of infrared thermograoohy in modern medicine. Human ecology. 2017. C. 39–46.
Etehadtavakol, M., Ng, E. Y. K. Thermography as a Potential Non-Contact Method in the Early Detection of Cancer. Journal Mech. Med. Bio. 2013. Vol. 2.
Nowakowski, A., Kaczmarek, M., Wtorek, J., та ін. Thermographic and electrical measurements for cardiac surgery inspection: Proceedings of the 23rd Annual EMBS International Conference, 01. C. 2874–2877.
Schmidhuber, J. Deep Learning in Neural Networks: an Overview. . Neural Networks. 2015. Vol. 1. C. 85–117.
LeCun, Y., Bottou, L., Bengio, Y., та ін. Gradient-based learning applied to document recognition. Proceedings of IEEE. 1998. Vol. 86, No. 11. C. 2278–2324.
