Два подхода к распознаванию пневмонии по рентгеновским снимкам: описание, реализация и сравнение

Автор(ы): Печников А.А., Богданов Н.А.

Выпуск: 99

Рубрика: Управление в медико-биологических и экологических системах

Год: 2022

Библиография: Печников А.А., Богданов Н.А. Два подхода к распознаванию пневмонии по рентгеновским снимкам: описание, реализация и сравнение // Управление большими системами. Выпуск 99. М.: ИПУ РАН, 2022. С.114-134. DOI: https://doi.org/10.25728/ubs.2022.99.5

Дата опубликования: 30.09.2022

Ключевые слова: классификация изображений, сверточная нейронная сеть, нормализованное расстояние сжатия, обработка рентгеновских снимков, пневмония

Аннотация: Рассматриваются два подхода к задаче классификации рентгеновских снимков грудной клетки для диагностики пневмонии. Первый, на сегодня широко распространенный подход, основан на применении нейронных сетей. Второй подход использует теоретическое понятие колмогоровской сложности, на основе которого вводится нормализованное расстояние сжатия, позволяющее определять расстояния между объектами различной природы, включая изображения. Дается изложение обоих подходов, описание основанных на них алгоритмов и сведения о программных реализациях. Рентгеновские снимки для экспериментов взяты из базы социальной сети по обработке данных и машинному обучению Kaggle. Проведенная серия экспериментов позволяет подобрать значения параметров для успешного решения поставленной задачи. Высокие значения метрик качества классификации в обоих случаях убедительно свидетельствуют о надежном разграничении рентгеновских снимков грудной клетки у здоровых людей от больных пневмонией. Преимущества первого подхода проявляются при больших массивах данных обучающего множества. Второй подход позволяет решать эту же задачу при наличии малого числа классифицированных снимков, когда первый подход не работает. Полученные результаты дают хорошие перспективы разработки чувствительных и надежных методов диагностики пневмонии, сочетающих оба этих подхода.

Author(s): Pechnikov A., Bogdanov N.

Article title: Two approaches for detecting pneumonia in x-ray images: description, implementation and comparison

Issue: 99

Year: 2022

Keywords: classification of images, convolutional neural network, normalised compression distance, X-ray processing, pneumonia

Abstract: The paper investigates two approaches for classification of x-ray images for presence of pneumonia. The first, widely used approach relies on neural networks (NN). The second approach utilises the theoretical concept of Kolmogorov complexity. The latter approach further enables the use of normalised compression distance (NCD) which defines a distance measure for arbitrary data objects, including images. Both ap-proaches and their underlying algorithms are described in described in detail and implemented programmatically. The X-rays for this work are taken from the database of the Kaggle social network for data processing and machine learning. Optimal model parameters are found empirically. Experimental results show high accuracies for both approaches. This is a clear indication of reliability and applicability of either method for identifying the presence of pneumonia in x-ray images. The NN approach performs well when ample training data is available. The NCD method is turn appli-cable when training data is limited and the NN approach fails. These results provide a solid foundation for developing precise and reliable diagnostics of pneumonia, using a combination of the two approaches.