Виявлення легеневих аномалій, спричинених SARS-CoV-2, на рентгенівському знімку

Abstract

Актуальність проблеми. На момент вибору даної теми актуальність була дуже високою, оскільки весь світ потерпав від пандемії SARS-CoV-2 (далі по тексту - Ковід). На той момент одним із головних чинників, що заважали медикам вчасно надавати лікування, була неможливість швидкого і якісного діагностування Ковіду у пацієнтів, які звернулись із схожими симптомами. Оскільки симптоми Ковіду схожі до симптомів «звичайної» вірусної пневмонії та інших респіраторних захворювань, що спричиняють ураження легеневої системи, то звідси виникає необхідність знайти власне ті індикатори, які вказують власне на Ковід. Один із таких симптомів, а власне певні аномалії на рентгенівському знімку і ліг в основу створення цієї роботи. Я створив і натренував ансамбль із 3 нейромереж, які з доволі високою точністю (87-95%) може вказувати на наявність у людини вищезгаданого захворювання. Мета і завдання дослідження. Основною метою роботи є використання алгоритмів комп’ютерного зору і машинного навчання для діагностування Ковід за допомогою аналізу рентгенівського знімку. Об’єкт дослідження. Респіраторні захворювання, та легеневі ураження, що вони викликають. Предмет дослідження. Виявлення легеневих уражень, викликаних респіраторними захворюваннями, засобами машинного навчання з допомогою комп’ютерного зору. Новизна. Створено нейромережі, що дозволяють швидше і точніше оцінювати наявність легеневого ураження спричиненого Ковідом, у порівнянні із традиційними методами. The urgency of the problem. At the time of choosing this topic, the relevance was very high, as the whole world suffered from the pandemic SARS Covid-19 (hereinafter Covid). At that time, one of the main factors preventing physicians from providing timely treatment was the inability to quickly and efficiently diagnose Covid in patients with similar symptoms. Because Covid's symptoms are similar to those of "ordinary" viral pneumonia and other respiratory diseases that cause lung damage, it is necessary to find the indicators that indicate Covid himself. One of these symptoms, and in fact certain anomalies on the X-ray and formed the basis of this work. I created and taught a neural network that can indicate the presence of the above-mentioned disease in a person with a fairly high accuracy (87-95%). The purpose and objectives of the study. The main goal of the work is to use computer vision and machine learning algorithms to diagnose Covid by X-ray analysis. Object of study. Respiratory diseases and lung lesions that they cause. Subject of study. Detection of lung damage caused by respiratory diseases, computer-assisted machine learning. Novelty. A neural network has been created that allows you to more quickly and accurately assess the presence of lung damage caused by Kovid, compared with traditional methods.