Research indexJournal article
Применение методов глубокого обучения для классификации узелков в лёгких
Собиров
Electronic Library of Peter the Great Polytechnic University1 Jan 2026Open access
NobleIDark:/48914/w1/20261105/D4D18DE5DOI10.18720/spbpu/3/2026/vr/vr26-518
Применение методов глубокого обучения для классификации узелков в лёгких
Собиров · Electronic Library of Peter the Great Polytechnic University · 2026
NobleIDark:/48914/w1/20261105/D4D18DE5DOI10.18720/spbpu/3/2026/vr/vr26-518
Free to read at the publisher
You can read the abstract here, or the full text at the publisher.
Abstract
Цель работы — разработка и экспериментальная оценка моделей глубокого обучения для классификации КТ-изображений лёгких по гистологическим типам заболевания. Решаемые задачи:1) выполнение обзора существующих методов классификации компьютерно-томографических изображений лёгких; 2) формирование набора данных КТ-изображений на основе открытого медицинского ресурса TCIA; 3) реализация алгоритмов предобработки и классификации узелков лёгких с применением методов глубокого обучения; 4) применение и тестирование программных средств автоматизированной разработки на языке python. Работа выполнена на основе открытых медицинских наборов данных компьютерно-томографических изображений лёгких. В ходе исследования использованы методы предобработки изображений и свёрточные нейронные сети для классификации узелков, а оценка качества проведена с применением метрик точности и визуального анализа результатов. Показана эффективность современных нейросетевых архитектур и возможность использования полученных результатов в системах поддержки принятия решений в медицинской диагностике. В процессе выполнения работы применялись язык программирования python и библиотека pytorch, включая архитектуры densenet121, resnet-18 и inception v3.