Информационная технология ранней диагностики пневмонии с использованием сверточных нейронных сетей

Abstract

За последние несколько лет пневмония стала одной из самых распространенных легочных. заболеваний во всем мире, а ее лечение является важнейшей задачей в клинической практике. Медицинский опыт доказал, что ранняя диагностика Пневмония является решающим фактором ее успешного лечения. На сегодняшний день автоматизированный рентгенографический анализ грудной клетки признан самым эффективным подходом в диагностике легочных заболеваний, в частности пневмонии. Однако до сих пор не ясно, какие пневмонические признаки на рентгеновском изображении автоматизированный метод диагностики относят к ранней стадии заболевания. Кроме того, вопрос интерпретирования результатов цифровой диагностики также не решен и требует дальнейшего изучения. Поэтому в представленной работе предлагается информационная технология визуального анализа рентгеновских изображений для интерпретирования результатов цифровой диагностики вирусной пневмонии на ранних стадиях. Технология включает модель классификации, на основе сверточной нейронной сети, для извлечения нечетких признаков ранней вирусной пневмонии и модифицированный метод отличной локализации для объяснения результатов классификации. Нейронная сеть, используемая в исследовании, содержит эффективную расширенную операцию свертки для объединения признаков из разных рецептивных полей на картинке. Предлагаемый метод интерпретации заключается в применении взвешенных градиентов к картам активации классов. По результатам вычислений ис- ристанная модель превзошла другие нейронные архитектуры по показателю precision (98,5%), но уступила accuracy (96,1%) и recall (93,6%). Кроме того, модель продемонстрировала сравнительно низкие значения ошибок первого и второго рода, достигнув 1,4 и 6,4% соответственно. В общем, согласно вычислительным экспериментов, предложенная информационная технология может быть эффективным инструментом мгновенной диагностики при первом подозрении на пневмонию.

За останні кілька років пневмонія стала однією з найпоширеніших легеневих захворювань у всьому світі, а її лікування наразі є надзвичайно важливим завданням у клінічній практиці. Медичний досвід довів, що рання діагностика пневмонії є вирішальним чинником її успішного лікування. На сьогодні автоматизований рентгенографічний аналіз грудної клітини визнано найефективнішим підходом у діагностиці легеневих захворювань, зокрема пневмонії. Однак досі не зрозуміло, які пневмонічні ознаки на рентгенівському зображенні автоматизований метод діагностики відносить до ранньої стадії захворювання. Крім того, питання інтерпретування результатів цифрової діагностики також не вирішене і потребує подальшого вивчення. Тому в представленій роботі пропонується інформаційна технологія візуального аналізу рентгенівських зображень для інтерпретування результатів цифрової діагностики вірусної пневмонії на ранніх стадіях. Технологія включає модель класифікації, на основі згорткової нейронної мережі, для вилучення нечітких ознак ранньої вірусної пневмонії та модифікований метод відмінної локалізації для пояснення результатів класифікації. Нейронна мережа, що використана в дослідженні, містить ефективну розширену операцію згортки для об’єднання ознак із різних рецептивних полів на зображенні. Запропонований метод інтерпретування полягає в застосуванні зважених градієнтів до карт активації класів. За результатами обчислень використана модель перевершила інші нейронні архітектури за показником precision (98,5 %), але поступилася accuracy (96,1 %) і recall (93,6 %). Крім того, модель продемонструвала порівняно низькі значення помилок першого і другого роду, досягнувши 1,4 і 6,4 % відповідно. Загалом, відповідно до обчислювальних експериментів, запропонована інформаційна технологія може бути ефективним інструментом миттєвої діагностики за першої підозри на пневмонію.