Increasing the Accuracy of Determining the Cardiothoracic Ratio with the Help of an Ensemble of Neural Networks
The cardiothoracic ratio is one of the main screening tools for heart health. Cardiothoracic ratio is usually measured manually by a cardiologist or radiologist. In the era of neural networks, which are currently developing very rapidly, we can help doctors automate and improve this process. The use...
Збережено в:
| Дата: | 2024 |
|---|---|
| Автори: | , |
| Формат: | Стаття |
| Мова: | English Ukrainian |
| Опубліковано: |
Інститут енергетичних машин і систем ім. А. М. Підгорного Національної академії наук України
2024
|
| Онлайн доступ: | https://journals.uran.ua/jme/article/view/309374 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
| Назва журналу: | Energy Technologies & Resource Saving |
Репозитарії
Energy Technologies & Resource Saving| id |
oai:ojs.journals.uran.ua:article-309374 |
|---|---|
| record_format |
ojs |
| institution |
Energy Technologies & Resource Saving |
| baseUrl_str |
|
| datestamp_date |
2024-08-12T16:05:55Z |
| collection |
OJS |
| language |
English Ukrainian |
| format |
Article |
| author |
Конюхов, В. Д. Угрімов, С. В. |
| spellingShingle |
Конюхов, В. Д. Угрімов, С. В. Increasing the Accuracy of Determining the Cardiothoracic Ratio with the Help of an Ensemble of Neural Networks |
| author_facet |
Конюхов, В. Д. Угрімов, С. В. |
| author_sort |
Конюхов, В. Д. |
| title |
Increasing the Accuracy of Determining the Cardiothoracic Ratio with the Help of an Ensemble of Neural Networks |
| title_short |
Increasing the Accuracy of Determining the Cardiothoracic Ratio with the Help of an Ensemble of Neural Networks |
| title_full |
Increasing the Accuracy of Determining the Cardiothoracic Ratio with the Help of an Ensemble of Neural Networks |
| title_fullStr |
Increasing the Accuracy of Determining the Cardiothoracic Ratio with the Help of an Ensemble of Neural Networks |
| title_full_unstemmed |
Increasing the Accuracy of Determining the Cardiothoracic Ratio with the Help of an Ensemble of Neural Networks |
| title_sort |
increasing the accuracy of determining the cardiothoracic ratio with the help of an ensemble of neural networks |
| title_alt |
Підвищення точності визначення кардіоторакального індексу за допомогою ансамблю нейронних мереж Підвищення точності визначення кардіоторакального індексу за допомогою ансамблю нейронних мереж |
| description |
The cardiothoracic ratio is one of the main screening tools for heart health. Cardiothoracic ratio is usually measured manually by a cardiologist or radiologist. In the era of neural networks, which are currently developing very rapidly, we can help doctors automate and improve this process. The use of deep learning for image segmentation has proven itself as a tool that can significantly accelerate and improve the process of medical automation. In this paper, a comparative analysis of the use of several neural networks for the segmentation of the lungs and heart on X-ray images was carried out for further improvement of the automatic calculation of the cardiothoracic ratio. Using a sample of 10 test images, manual cardiothoracic ratio measurements and 7 automatic measurement options were performed. The average accuracy of the measurement of the cardiothoracic ratio of the best of the two neural networks is 93.80%, and the method that used the ensemble of networks obtained a result of 97.15%, with the help of the ensemble of neural networks it was possible to improve the ratio determination by 3.35%. The obtained results indicate that thanks to the use of an ensemble of neural networks, it was possible to improve the result of automatic measurement, and also testify to the effectiveness and prospects of using this method in the medical field. |
| publisher |
Інститут енергетичних машин і систем ім. А. М. Підгорного Національної академії наук України |
| publishDate |
2024 |
| url |
https://journals.uran.ua/jme/article/view/309374 |
| work_keys_str_mv |
AT konûhovvd increasingtheaccuracyofdeterminingthecardiothoracicratiowiththehelpofanensembleofneuralnetworks AT ugrímovsv increasingtheaccuracyofdeterminingthecardiothoracicratiowiththehelpofanensembleofneuralnetworks AT konûhovvd pídviŝennâtočnostíviznačennâkardíotorakalʹnogoíndeksuzadopomogoûansamblûnejronnihmerež AT ugrímovsv pídviŝennâtočnostíviznačennâkardíotorakalʹnogoíndeksuzadopomogoûansamblûnejronnihmerež |
| first_indexed |
2024-09-01T17:38:04Z |
| last_indexed |
2024-09-01T17:38:04Z |
| _version_ |
1811501877902180352 |
| spelling |
oai:ojs.journals.uran.ua:article-3093742024-08-12T16:05:55Z Increasing the Accuracy of Determining the Cardiothoracic Ratio with the Help of an Ensemble of Neural Networks Підвищення точності визначення кардіоторакального індексу за допомогою ансамблю нейронних мереж Підвищення точності визначення кардіоторакального індексу за допомогою ансамблю нейронних мереж Конюхов, В. Д. Угрімов, С. В. The cardiothoracic ratio is one of the main screening tools for heart health. Cardiothoracic ratio is usually measured manually by a cardiologist or radiologist. In the era of neural networks, which are currently developing very rapidly, we can help doctors automate and improve this process. The use of deep learning for image segmentation has proven itself as a tool that can significantly accelerate and improve the process of medical automation. In this paper, a comparative analysis of the use of several neural networks for the segmentation of the lungs and heart on X-ray images was carried out for further improvement of the automatic calculation of the cardiothoracic ratio. Using a sample of 10 test images, manual cardiothoracic ratio measurements and 7 automatic measurement options were performed. The average accuracy of the measurement of the cardiothoracic ratio of the best of the two neural networks is 93.80%, and the method that used the ensemble of networks obtained a result of 97.15%, with the help of the ensemble of neural networks it was possible to improve the ratio determination by 3.35%. The obtained results indicate that thanks to the use of an ensemble of neural networks, it was possible to improve the result of automatic measurement, and also testify to the effectiveness and prospects of using this method in the medical field. Кардіоторакальний індекс є одним із основних засобів скринінгу здоров’я серця. Зазвичай вимірювання кардіоторакального індексу виконується вручну лікарем-кардіологом або радіологом. В епоху нейронних мереж, які зараз дуже стрімко розвиваються, ми можемо допомогти лікарям автоматизувати й покращити цей процес. Використання глибокого навчання для сегментації зображень зарекомендувало себе як засіб, який може значно прискорити і вдосконалити процес медичної автоматизації. У даній роботі проведено порівняльний аналіз використання декількох нейронних мереж для сегментації легень і серця на рентгенівських знімках для подальшого вдосконалення автоматичного розрахунку кардіоторакального індексу. Застосовуючи вибірку із 10 тестових знімків, було проведено ручні вимірювання кардіоторакального індексу і 7 варіантів автоматичного вимірювання. Середня точність виміру кардіоторакального індексу найкращої з двох нейронних мереж дорівнює 93,80%, а за допомогою методу, який використовував ансамбль мереж, отримано результат 97,15%, тобто вдалося покращити визначення індексу на 3,35%. Отже, отримані результати вказують на те, що завдяки ансамблю нейронних мереж вдалося покращити результат автоматичного вимірювання, а також свідчать про ефективність і перспективність використання даного методу в медичній сфері. Кардіоторакальний індекс є одним із основних засобів скринінгу здоров’я серця. Зазвичай вимірювання кардіоторакального індексу виконується вручну лікарем-кардіологом або радіологом. В епоху нейронних мереж, які зараз дуже стрімко розвиваються, ми можемо допомогти лікарям автоматизувати й покращити цей процес. Використання глибокого навчання для сегментації зображень зарекомендувало себе як засіб, який може значно прискорити і вдосконалити процес медичної автоматизації. У даній роботі проведено порівняльний аналіз використання декількох нейронних мереж для сегментації легень і серця на рентгенівських знімках для подальшого вдосконалення автоматичного розрахунку кардіоторакального індексу. Застосовуючи вибірку із 10 тестових знімків, було проведено ручні вимірювання кардіоторакального індексу і 7 варіантів автоматичного вимірювання. Середня точність виміру кардіоторакального індексу найкращої з двох нейронних мереж дорівнює 93,80%, а за допомогою методу, який використовував ансамбль мереж, отримано результат 97,15%, тобто вдалося покращити визначення індексу на 3,35%. Отже, отримані результати вказують на те, що завдяки ансамблю нейронних мереж вдалося покращити результат автоматичного вимірювання, а також свідчать про ефективність і перспективність використання даного методу в медичній сфері. Інститут енергетичних машин і систем ім. А. М. Підгорного Національної академії наук України 2024-08-12 Article Article application/pdf application/pdf https://journals.uran.ua/jme/article/view/309374 Journal of Mechanical Engineering; Vol. 27 No. 2 (2024); 54-60 Проблемы машиностроения; Том 27 № 2 (2024); 54-60 Проблеми машинобудування; Том 27 № 2 (2024); 54-60 2709-2992 2709-2984 en uk https://journals.uran.ua/jme/article/view/309374/300903 https://journals.uran.ua/jme/article/view/309374/300904 Copyright (c) 2024 В. Д. Конюхов, С. В. Угрімов http://creativecommons.org/licenses/by-nd/4.0 |