ПРИМЕНЕНИЕ НЕЙРОСЕТЕВЫХ АЛГОРИТМОВ ГЛУБОКОГО ОБУЧЕНИЯ ДЛЯ КЛАССИФИКАЦИИ ОПУХОЛЕЙ ГОЛОВНОГО МОЗГА 

Максим Олегович Тимошкин, студент, Московский государственный университет имени М. В. Ломоносова (Россия, г. Москва, ул. Ленинские Горы, 1), E-mail: max.timoshkin@inbox.ru
Елена Геннадьевна Романова, кандидат технических наук, доцент, доцент кафедры высшей и прикладной математики, Пензенский государственный университет (Россия, г. Пенза, ул. Красная, 40), E-mail: romanova.elenar2016@yandex.ru

Аннотация

Актуальность и цели. Глубокое обучение – это активно развивающаяся область машинного обучения, которая позволяет находить зависимости в слабоструктурированных данных. Актуальность работы заключается в том, что в настоящее время автоматическая классификация типов тканей играет важную роль в компьютерной диагностике. Цель работы заключается в автоматизации процесса определения вида опухоли головного мозга по ее изображению с помощью методов глубокого обучения. Материалы и методы. В работе применяются методы глубокого обучения для автоматической классификации вида опухоли головного мозга по ее изображению. Результаты и выводы. Было произведено сравнение нейросетевых моделей при различных архитектурах, в различных режимах обучения и при наличии и отсутствии обогащения выборки. В процессе обучения с помощью лучшей архитектуры удалось достичь качества 96 % на валидационной выборке.

Ключевые слова

классификация опухолей головного мозга, глубокое обучение, архитектуры нейронных сетей, обогащение выборки, МРТ-изображения, режимы обучения

 Скачать статью в формате PDF

Для цитирования:

Тимошкин М. О., Романова Е. Г. Применение нейросетевых алгоритмов глубокого обучения для классификации опухолей головного мозга // Надежность и качество сложных систем. 2024. № 3. С. 51–65. doi: 10.21685/2307-4205-2024-3-6