Features of constructing solutions of a genetic algorithm in the problem of recognizing patterns of pneumonia disease
Modern medicine depends on advances in medical instrumentation and medical software development. One of the most important tasks facing doctors is to determine the exact boundaries of tumors and other abnormal formations in the tissues of the human body. The problems and methods of machine classific...
Збережено в:
| Дата: | 2020 |
|---|---|
| Автори: | , , , , |
| Формат: | Стаття |
| Мова: | Ukrainian |
| Опубліковано: |
Інститут проблем реєстрації інформації НАН України
2020
|
| Теми: | |
| Онлайн доступ: | http://drsp.ipri.kiev.ua/article/view/218978 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
| Назва журналу: | Data Recording, Storage & Processing |
Репозитарії
Data Recording, Storage & Processing| id |
drspiprikievua-article-218978 |
|---|---|
| record_format |
ojs |
| spelling |
drspiprikievua-article-2189782020-12-23T10:35:23Z Features of constructing solutions of a genetic algorithm in the problem of recognizing patterns of pneumonia disease Особливості побудови рішень генетичного алгоритму в задачі розпізнавання образів захворювання пневмонії Fedorchenko, Ye. M. Oliinyk, A. O. Korniienko, S. K. Kharchenko, A. S. Goncharenko, D. A. генетичний алгоритм еволюційний алгоритм рентгенограма розпізнавання зображень neural network long short — term memory genetic algorithm evolutional algorithm x-ray representative image neural network long short-term memory Modern medicine depends on advances in medical instrumentation and medical software development. One of the most important tasks facing doctors is to determine the exact boundaries of tumors and other abnormal formations in the tissues of the human body. The problems and methods of machine classification and recognition of images in the form of radiographs, as well as the issues of improving artificial neural networks, which are used to improve the quality and accuracy of detecting abnormal structures on chest radiographs, are discussed. A modified genetic method for optimizing model parameters based on convolutional neural networks has been developed to solve the problem of recognizing diagnostically significant signs of pneumonia on an X-ray image of the lungs. The fundamental difference between the proposed genetic method and existing analogs lies in the use of a special mutation operator in the form of an additive convolution of two mutation operators, which allows to reduce the training time of the neural network, as well as to identify the most suitable for studying the «margin of solutions». A comparative assessment of the effectiveness of the proposed method and known methods was presented, which showed an improvement in accuracy when solving the problem of searching for signs of pathology on an x-ray of the lungs. The practical use of the developed method will reduce labor intensity, increase the reliability of the search, speed up the process of diagnosing diseases and reduce the number of errors and repeated examinations of patients. Tabl.: 5. Fig.: 10. Refs: 34 titles Розглянуто проблеми та методи машинної класифікації і розпізнавання зображень у вигляді рентгенограм, а також питання удосконалення штучних нейронних мереж, які використовуються для підвищення якості та точності виявлення аномальних структур на рентгенограмах грудної клітини. Розроблено модифікований генетичний метод оптимізації параметрів моделі на основі згорткової нейронної мережі для вирішення завдання розпізнавання діагностично значущих ознак пневмонії на рентгенівському знімку легень. Принципова відмінність запропонованого генетичного методу від існуючих аналогів полягає у використанні спеціального оператора мутації у вигляді адитивної згортки двох операторів мутації, який дозволяє скоротити час навчання нейронної мережі, а також виділити найбільш придатні для вивчення «околиці рішень». Наведено порівняльну оцінку ефективності запропонованого методу та відомих способів, яка показала поліпшення точності при вирішенні задачі пошуку ознак патології на рентгенівському знімку легень. Практичне використання розробленого методу дозволить знизити трудомісткість, підвищити достовірність пошуку, прискорити процес діагностики захворювань і знизити частину помилок і повторних обстежень пацієнтів. Інститут проблем реєстрації інформації НАН України 2020-10-27 Article Article application/pdf http://drsp.ipri.kiev.ua/article/view/218978 10.35681/1560-9189.2020.22.3.218978 Data Recording, Storage & Processing; Vol. 22 No. 3 (2020); 76-95 Регистрация, хранение и обработка данных; Том 22 № 3 (2020); 76-95 Реєстрація, зберігання і обробка даних; Том 22 № 3 (2020); 76-95 1560-9189 uk http://drsp.ipri.kiev.ua/article/view/218978/220139 Авторське право (c) 2021 Реєстрація, зберігання і обробка даних |
| institution |
Data Recording, Storage & Processing |
| collection |
OJS |
| language |
Ukrainian |
| topic |
генетичний алгоритм еволюційний алгоритм рентгенограма розпізнавання зображень neural network long short — term memory genetic algorithm evolutional algorithm x-ray representative image neural network long short-term memory |
| spellingShingle |
генетичний алгоритм еволюційний алгоритм рентгенограма розпізнавання зображень neural network long short — term memory genetic algorithm evolutional algorithm x-ray representative image neural network long short-term memory Fedorchenko, Ye. M. Oliinyk, A. O. Korniienko, S. K. Kharchenko, A. S. Goncharenko, D. A. Features of constructing solutions of a genetic algorithm in the problem of recognizing patterns of pneumonia disease |
| topic_facet |
генетичний алгоритм еволюційний алгоритм рентгенограма розпізнавання зображень neural network long short — term memory genetic algorithm evolutional algorithm x-ray representative image neural network long short-term memory |
| format |
Article |
| author |
Fedorchenko, Ye. M. Oliinyk, A. O. Korniienko, S. K. Kharchenko, A. S. Goncharenko, D. A. |
| author_facet |
Fedorchenko, Ye. M. Oliinyk, A. O. Korniienko, S. K. Kharchenko, A. S. Goncharenko, D. A. |
| author_sort |
Fedorchenko, Ye. M. |
| title |
Features of constructing solutions of a genetic algorithm in the problem of recognizing patterns of pneumonia disease |
| title_short |
Features of constructing solutions of a genetic algorithm in the problem of recognizing patterns of pneumonia disease |
| title_full |
Features of constructing solutions of a genetic algorithm in the problem of recognizing patterns of pneumonia disease |
| title_fullStr |
Features of constructing solutions of a genetic algorithm in the problem of recognizing patterns of pneumonia disease |
| title_full_unstemmed |
Features of constructing solutions of a genetic algorithm in the problem of recognizing patterns of pneumonia disease |
| title_sort |
features of constructing solutions of a genetic algorithm in the problem of recognizing patterns of pneumonia disease |
| title_alt |
Особливості побудови рішень генетичного алгоритму в задачі розпізнавання образів захворювання пневмонії |
| description |
Modern medicine depends on advances in medical instrumentation and medical software development. One of the most important tasks facing doctors is to determine the exact boundaries of tumors and other abnormal formations in the tissues of the human body. The problems and methods of machine classification and recognition of images in the form of radiographs, as well as the issues of improving artificial neural networks, which are used to improve the quality and accuracy of detecting abnormal structures on chest radiographs, are discussed. A modified genetic method for optimizing model parameters based on convolutional neural networks has been developed to solve the problem of recognizing diagnostically significant signs of pneumonia on an X-ray image of the lungs. The fundamental difference between the proposed genetic method and existing analogs lies in the use of a special mutation operator in the form of an additive convolution of two mutation operators, which allows to reduce the training time of the neural network, as well as to identify the most suitable for studying the «margin of solutions». A comparative assessment of the effectiveness of the proposed method and known methods was presented, which showed an improvement in accuracy when solving the problem of searching for signs of pathology on an x-ray of the lungs. The practical use of the developed method will reduce labor intensity, increase the reliability of the search, speed up the process of diagnosing diseases and reduce the number of errors and repeated examinations of patients. Tabl.: 5. Fig.: 10. Refs: 34 titles |
| publisher |
Інститут проблем реєстрації інформації НАН України |
| publishDate |
2020 |
| url |
http://drsp.ipri.kiev.ua/article/view/218978 |
| work_keys_str_mv |
AT fedorchenkoyem featuresofconstructingsolutionsofageneticalgorithmintheproblemofrecognizingpatternsofpneumoniadisease AT oliinykao featuresofconstructingsolutionsofageneticalgorithmintheproblemofrecognizingpatternsofpneumoniadisease AT korniienkosk featuresofconstructingsolutionsofageneticalgorithmintheproblemofrecognizingpatternsofpneumoniadisease AT kharchenkoas featuresofconstructingsolutionsofageneticalgorithmintheproblemofrecognizingpatternsofpneumoniadisease AT goncharenkoda featuresofconstructingsolutionsofageneticalgorithmintheproblemofrecognizingpatternsofpneumoniadisease AT fedorchenkoyem osoblivostípobudoviríšenʹgenetičnogoalgoritmuvzadačírozpíznavannâobrazívzahvorûvannâpnevmoníí AT oliinykao osoblivostípobudoviríšenʹgenetičnogoalgoritmuvzadačírozpíznavannâobrazívzahvorûvannâpnevmoníí AT korniienkosk osoblivostípobudoviríšenʹgenetičnogoalgoritmuvzadačírozpíznavannâobrazívzahvorûvannâpnevmoníí AT kharchenkoas osoblivostípobudoviríšenʹgenetičnogoalgoritmuvzadačírozpíznavannâobrazívzahvorûvannâpnevmoníí AT goncharenkoda osoblivostípobudoviríšenʹgenetičnogoalgoritmuvzadačírozpíznavannâobrazívzahvorûvannâpnevmoníí |
| first_indexed |
2024-04-21T19:34:17Z |
| last_indexed |
2024-04-21T19:34:17Z |
| _version_ |
1796974111583371264 |