Гібридна згорткова мережа для обробки зображень рентгенівських знімків для виявлення захворювання COVID-19
The study is devoted to researching the solutions used to detect COVID-19 from X-rays of the lungs. The investigation analyzes various models of machine learning, in particular decision trees, the method of support vectors, neural networks, including convolutional neural networks. Models based on d...
Gespeichert in:
| Datum: | 2022 |
|---|---|
| Hauptverfasser: | , , , , , |
| Format: | Artikel |
| Sprache: | Ukrainian |
| Veröffentlicht: |
Інститут проблем реєстрації інформації НАН України
2022
|
| Schlagworte: | |
| Online Zugang: | http://drsp.ipri.kiev.ua/article/view/274945 |
| Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
| Назва журналу: | Data Recording, Storage & Processing |
Institution
Data Recording, Storage & Processing| id |
drspiprikievua-article-274945 |
|---|---|
| record_format |
ojs |
| spelling |
drspiprikievua-article-2749452023-03-24T16:57:12Z Гібридна згорткова мережа для обробки зображень рентгенівських знімків для виявлення захворювання COVID-19 Гібридна згорткова мережа для обробки зображень рентгенівських знімків для виявлення захворювання COVID-19 Федорченко , Є. М. Олійник, А. О. Степаненко, О. О. Федорончак, Т. В. Чорнобук, М. О. Корнієнко , С. К. Keras library, decision tree, support vector machine, classification, neural network, perception дерева прийняття рішень, метод опорних векторів, класифікація, нейронна мережа, перцептрон The study is devoted to researching the solutions used to detect COVID-19 from X-rays of the lungs. The investigation analyzes various models of machine learning, in particular decision trees, the method of support vectors, neural networks, including convolutional neural networks. Models based on decision trees, the support vector method, and simple neural networks were built using the Accord.NET library for the C# language. The proposed model based on a convolutional neural network is built using the Keras library for the Python language, which is an extension of another library — Tensor Flow. Based on the review, a decision was made to develop a model based on a hybrid convolutional neural network. For training and testing the model, a publicly available dataset of X-ray images of patients' lungs was used, consisting of images belonging to three classes: lesions of COVID-19, normal state of the lungs, other diseases. Two other datasets were generated from the public dataset by random sampling: a smaller dataset of 450 images and a larger dataset of 1500 images. As a result, a hybrid convolutional neural network was developed, which achieved a classification accuracy of about 70 % on a smaller data set, and 87 % on a larger one. On an extended dataset of 10,500 images, the model achieved 91 % accuracy. Thus, the proposed model outperformed other considered machine learning algorithms in terms of classification accuracy. This model can be used as an auxiliary diagnostic tool for medical personnel, which will lead to a decrease in the probability of medication errors. Проведено аналіз різних моделей машинного навчання в розрізі діагностики ураження COVID-19 за рентгенівськими знімками легень пацієнтів. У результаті було розроблено модель, яка заснована на гібридній згортковій нейронній мережі, що здатна досягти точності класифікації у 91 %. Модель може використовуватись як допоміжний інструмент діагностики для медичного персоналу, що призведе до зменшення вірогідності лікарської помилки. Інститут проблем реєстрації інформації НАН України 2022-12-20 Article Article application/pdf http://drsp.ipri.kiev.ua/article/view/274945 10.35681/1560-9189.2022.24.2.274945 Data Recording, Storage & Processing; Vol. 24 No. 2 (2022); 11-23 Регистрация, хранение и обработка данных; Том 24 № 2 (2022); 11-23 Реєстрація, зберігання і обробка даних; Том 24 № 2 (2022); 11-23 1560-9189 uk http://drsp.ipri.kiev.ua/article/view/274945/270849 Авторське право (c) 2023 Реєстрація, зберігання і обробка даних |
| institution |
Data Recording, Storage & Processing |
| baseUrl_str |
|
| datestamp_date |
2023-03-24T16:57:12Z |
| collection |
OJS |
| language |
Ukrainian |
| topic |
Keras library decision tree support vector machine classification neural network perception |
| spellingShingle |
Keras library decision tree support vector machine classification neural network perception Федорченко , Є. М. Олійник, А. О. Степаненко, О. О. Федорончак, Т. В. Чорнобук, М. О. Корнієнко , С. К. Гібридна згорткова мережа для обробки зображень рентгенівських знімків для виявлення захворювання COVID-19 |
| topic_facet |
Keras library decision tree support vector machine classification neural network perception дерева прийняття рішень метод опорних векторів класифікація нейронна мережа перцептрон |
| format |
Article |
| author |
Федорченко , Є. М. Олійник, А. О. Степаненко, О. О. Федорончак, Т. В. Чорнобук, М. О. Корнієнко , С. К. |
| author_facet |
Федорченко , Є. М. Олійник, А. О. Степаненко, О. О. Федорончак, Т. В. Чорнобук, М. О. Корнієнко , С. К. |
| author_sort |
Федорченко , Є. М. |
| title |
Гібридна згорткова мережа для обробки зображень рентгенівських знімків для виявлення захворювання COVID-19 |
| title_short |
Гібридна згорткова мережа для обробки зображень рентгенівських знімків для виявлення захворювання COVID-19 |
| title_full |
Гібридна згорткова мережа для обробки зображень рентгенівських знімків для виявлення захворювання COVID-19 |
| title_fullStr |
Гібридна згорткова мережа для обробки зображень рентгенівських знімків для виявлення захворювання COVID-19 |
| title_full_unstemmed |
Гібридна згорткова мережа для обробки зображень рентгенівських знімків для виявлення захворювання COVID-19 |
| title_sort |
гібридна згорткова мережа для обробки зображень рентгенівських знімків для виявлення захворювання covid-19 |
| title_alt |
Гібридна згорткова мережа для обробки зображень рентгенівських знімків для виявлення захворювання COVID-19 |
| description |
The study is devoted to researching the solutions used to detect COVID-19 from X-rays of the lungs. The investigation analyzes various models of machine learning, in particular decision trees, the method of support vectors, neural networks, including convolutional neural networks.
Models based on decision trees, the support vector method, and simple neural networks were built using the Accord.NET library for the C# language. The proposed model based on a convolutional neural network is built using the Keras library for the Python language, which is an extension of another library — Tensor Flow. Based on the review, a decision was made to develop a model based on a hybrid convolutional neural network. For training and testing the model, a publicly available dataset of X-ray images of patients' lungs was used, consisting of images belonging to three classes: lesions of COVID-19, normal state of the lungs, other diseases. Two other datasets were generated from the public dataset by random sampling: a smaller dataset of 450 images and a larger dataset of 1500 images.
As a result, a hybrid convolutional neural network was developed, which achieved a classification accuracy of about 70 % on a smaller data set, and 87 % on a larger one. On an extended dataset of 10,500 images, the model achieved 91 % accuracy. Thus, the proposed model outperformed other considered machine learning algorithms in terms of classification accuracy. This model can be used as an auxiliary diagnostic tool for medical personnel, which will lead to a decrease in the probability of medication errors. |
| publisher |
Інститут проблем реєстрації інформації НАН України |
| publishDate |
2022 |
| url |
http://drsp.ipri.kiev.ua/article/view/274945 |
| work_keys_str_mv |
AT fedorčenkoêm gíbridnazgortkovamerežadlâobrobkizobraženʹrentgenívsʹkihznímkívdlâviâvlennâzahvorûvannâcovid19 AT olíjnikao gíbridnazgortkovamerežadlâobrobkizobraženʹrentgenívsʹkihznímkívdlâviâvlennâzahvorûvannâcovid19 AT stepanenkooo gíbridnazgortkovamerežadlâobrobkizobraženʹrentgenívsʹkihznímkívdlâviâvlennâzahvorûvannâcovid19 AT fedorončaktv gíbridnazgortkovamerežadlâobrobkizobraženʹrentgenívsʹkihznímkívdlâviâvlennâzahvorûvannâcovid19 AT čornobukmo gíbridnazgortkovamerežadlâobrobkizobraženʹrentgenívsʹkihznímkívdlâviâvlennâzahvorûvannâcovid19 AT korníênkosk gíbridnazgortkovamerežadlâobrobkizobraženʹrentgenívsʹkihznímkívdlâviâvlennâzahvorûvannâcovid19 |
| first_indexed |
2025-07-17T10:58:44Z |
| last_indexed |
2025-07-17T10:58:44Z |
| _version_ |
1850411600981262336 |