| DC Field | Value | Language |
|---|
| dc.contributor.author | Раджабов, А. Г. | - |
| dc.coverage.spatial | Минск | ru_RU |
| dc.date.accessioned | 2023-03-13T07:49:16Z | - |
| dc.date.available | 2023-03-13T07:49:16Z | - |
| dc.date.issued | 2023 | - |
| dc.identifier.citation | Раджабов, А. Г. Система поддержки принятия решений для диагностики патологий сердечно-сосудистой системы по рентгеновским изображениям грудной клетки = Decision Making Support System for the Diagnostics of the Cardiovascular System Pathologies by the X-ray Images of the Chest / А. Г. Раджабов // Доклады БГУИР. – 2023. – Т. 21, № 1. – С. 98-103. | ru_RU |
| dc.identifier.uri | https://libeldoc.bsuir.by/handle/123456789/50441 | - |
| dc.description.abstract | Отсутствие универсальных (генерализированных) наборов данных и недостаток аннотированных данных делают необходимым исследование возможностей нейросетевых подходов для конкретных наборов данных. Важность построения алгоритмов для обнаружения внелёгочных патологий на
рентгеновских изображениях грудной клетки продиктована социальной значимостью заболеваний данной
группы (например, сердечно-сосудистых), условиями доступности таких изображений ввиду широкого
распространения малоинвазивных и относительно дешевых рентгенологических методов диагностики.
Одна из важных проблем при решении задач автоматизации классификации медицинских изображений –
подготовка данных. В результате работы над базой изображений удалось повысить производительность
итогового алгоритма с 75 до 95 %. Для медицинских учреждений обработка всего объема получаемых
изображений и проведение их диагностики по широкому списку патологий затруднены ограниченностью
ресурсов. В связи с чем целесообразно использовать автоматизацию процессов сегментации и распознавания, что уже на первых этапах ее применения дает возможность врачам перераспределить внимание
на потенциально патологические случаи и обратить повторно внимание на те, которые ошибочно были
идентифицированы как непатологические. | ru_RU |
| dc.language.iso | ru | ru_RU |
| dc.publisher | БГУИР | ru_RU |
| dc.subject | доклады БГУИР | ru_RU |
| dc.subject | внелёгочные патологии | ru_RU |
| dc.subject | предобученные нейронные сети | ru_RU |
| dc.title | Система поддержки принятия решений для диагностики патологий сердечно-сосудистой системы по рентгеновским изображениям грудной клетки | ru_RU |
| dc.title.alternative | Decision Making Support System for the Diagnostics of the Cardiovascular System Pathologies by the X-ray Images of the Chest | ru_RU |
| dc.type | Article | ru_RU |
| dc.identifier.DOI | http://dx.doi.org/10.35596/1729-7648-2023-21-1-98-103 | - |
| local.description.annotation | The lack of universal (generalized) data sets, as well as the lack of annotated data, creates the need
to study the possibilities of neural network approaches for specific data sets. The importance of building algorithms for detecting extrapulmonary pathologies on chest X-ray images is dictated by the great social significance
of many diseases of this group (for example, cardiovascular diseases), given the availability of such images, due
to the widespread use of minimally invasive and relatively cheap X-ray diagnostic methods. One of the most
impor tant issues in solving the problems of automating the classification of medical images is data preparation.
As a result of work on the image base, the performance of the final algorithm has been increased from 75 to 95 %.
The processing of the entire volume of the obtained images and their diagnostics for a wide list of pathologies
are difficult for medical institutions because of the limited resources. In this regard, it is advisable to use the automation of segmentation and recognition processes, which even at the first stages of development of the technology
makes it possible to redistribute the attention of doctors, focusing on potentially pathological cases and returning
attention to cases mistakenly identified as non-pathological. | ru_RU |
| Appears in Collections: | Том 21, № 1
|
