Інтелектуальна система попередньої обробки зображень з комп’ютерних томографів
DOI:
https://doi.org/10.18372/1990-5548.70.16741Ключові слова:
iнтелектуальна система, туберкульозний, рентгенівські промені, згорткові нейронні мережі, комп'ютерна томографія, CycleGAN, штучні нейронні мережі, UNET, ResFCN, MobileNetV2Анотація
Штучні нейронні мережі можна навчати на корисних сигналах вихідних даних, але не можна навчати на зашумлених даних, тому зазвичай виконується шумоподавлення сигналів або компенсація помилок. У цій роботі реалізується модель шумоподавлення на основі штучних нейронних мереж для придушення компонентів з високим рівнем шуму, що важливо для оптимізації методів попередньої фільтрації. Як прикладне завдання, в якому потрібно придушення шумів, присутніх на зображенні, розглядається процес обробки сканів комп'ютерного томографа при медичних дослідженнях пацієнтів, які хворі на туберкульоз. У комп'ютерних томографах як випромінювання використовуються рентгенівські промені, що досить шкідливим для людини. Тому з метою зниження рівня опромінення потужність випромінювання знижують, В результаті знижується відношення корисного сигналу шум, що викликає появу шумів, які забруднюють зображення і ускладнюють його обробку. На зображенні з'являються додаткові тіні, що не існують об'єкти, що може призвести до постановки помилкового діагнозу. У роботі надано детальний опис роботи комп'ютерних томографів. Наведено опис топології згорткових нейронних мереж, що використовуються для обробки зображень. Розроблено алгоритм структурно-параметричного синтезу згорткових нейронних мереж, що використовуються при придушенні шумів зображень. Як навчальну вибірку були використані томограми хворих на туберкульоз, наданих Науково-дослідним інститутом пульмонології та фтизіатрії Національної академії медичних наук України.
Посилання
Artificial Intelligence everywhere [Electronic resource]. – Mode of access: https://www.pwc.com/gx/en/issues/data-and-analytics/artificial-intelligence.html.
Erik Brynjolfsson and Tom Mitchell, “What Can Machine Learning Do? Workforce Implications,” Science. no. 358(6370), pp. 1530–1534, 2017. https://doi.org/10.1126/science.aap8062
Ivan Didur, “Dynamic pricing algorithms on Uber and Lyft,” [Electronic resource]. – Mode of access: https://datarootlabs.com/blog/ uber-lift-gett-surge-pricing-algorithms.
Estonia accelerates artificial intelligence development [Electronic resource]. – Mode of access: https://e-estonia.com/estonia-accelerates-artificial-intelligence/.
Ethical AI: Tensions and trade-offs [Electronic resource]. – Mode of access: https://www.digitalpulse.pwc.com.au/ethical-artificial-intelligence-tensions-trade-offs/.
G20 Ministerial Statement on Trade and Digital Economy [Electronic resource]. – Mode of access: https://www.mofa.go.jp/files/ 000486596.pdf.
E. Hovy, R. Navigli, and S. Ponzetto, “Collaboratively built semi-structured content and Artificial Intelligence: The story so far,” [Electronic resource] – Mode of access: https://www.sciencedirect.com/science/article/pii/S0004370212001245
Wooldridge Michael. An Introduction to MultiAgent Systems / Michael Wooldridge. NewYork: John Wiley & Sons, 2002, 484 p.
K. Johnson, “CB Insights: AI startup funding hit new high of $26.6 billion in 2019,” [Electronic resource] / Khari Johnson. – Mode of access: https://venturebeat.com/2020/01/22/cb-insights-ai-startup-funding-hit-new-high-of-26-6-billion-in-2019/.
Kai-Fu Lee, “AI Superpowers: China, Silicon Valley, and the New World Order,” The New York Times, USA Today, And Wall Street Journal Bestseller. –– 275 p., 2018.
Olson Parmy, Nearly Half of All 'AI Startups' are Cashing in on Hype [Electronic resource]. – Mode of access:https://www.forbes.com/sites/parmyolson/2019/03/04/nearly-half-of-all-ai-startups-are-cashing-in-on-hype/#32e78d08d022.
Psychometric theories [Electronic resource]. – Mode of access: https://www.britannica.com/science/human-intelligence-psychology/ Psychometric-theories.
Recommendation of the Council on Artificial Intelligence [Electronic resource]. – Mode of access: https://legalinstruments.oecd.org/en/instruments/OECD-LEGAL-0449.
Revenues from the artificial intelligence (AI) software market worldwide from 2018 to 2025 [Electronic resource]. – Mode of access: https://www.statista.com/statistics/607716/worldwide-artificial-intelligence-market-revenues/.
C. Saran, Stanford University finds that AI is outpacing Moore's Law [Electronic resource] / Cliff Saran. – Mode of access: https://www.computerweekly.com/news/252475371/Stanford-University-finds-that-AI-is-outpacing-Moores-Law.
Anthony Sebastian, Deep Mind in talks with National Grid to reduce UK energy use by 10% [Electronic resource]. – Mode of access: https://arstechnica.com/information-technology/2017/03/deepmind-national-grid-machine-learning/.
Swpending in Artificial Intelligence to Accelerate Across the Public Sector Due to Automation and Social Distancing Compliance Needs in Response to COVID-19, says IDC [Electronic resource]. – Mode of access: https://www.idc.com/getdoc.jsp?containerId=prEUR146205720.
C. Smith, B. McGuire, T. Huang, G. Yang. “The History of Artificial Intelligence,” [Electronic resource] – Mode of access: https://courses.cs. washington.edu/courses/csep590/06au/projects/history-ai.pdf.
Three governance considerations to unlock the potential of AI [Electronic resource]. – Mode of access: https://www.digitalpulse.pwc. com.au/ai-governance-considerations/.
Top Trends on the Gartner Hype Cycle for Artificial Intelligence, 2019. [Electronic resource]. – Mode of access: https://www.gartner.com/ smarterwithgartner/top-trends-on-the-gartner-hype-cycle-for-artificial-intelligence-2019/.
Understanding the Potential of Artificial Intelligence [Electronic resource]. – Mode of access: https://www.strategy-business.com/article/Understanding-the-Potential-of-Artificial-Intelligence?gko=c3fb6.
K. A. Kristian Ängeby, Lisbeth Klintz, and Sven E. Hoffner, “Rapid and inexpensive drug susceptibility testing of Mycobacterium tuberculosis with a nitrate reductase assay,” Clin. Microbiol, vol. 40, pp. 553–555, 2002. https://doi.org/10.1128/JCM.40.2.553-555.2002
A. Aranaz, et al., “Mycobacterium tuberculosis subsp. caprae subsp. nov.: a taxonomic study of a new member of the Mycobacterium tuberculosis complex isolated from goats in Spain,” J. Syst. Bacteriol, 1999, vol. 49, Issue 3, pp. 1263–1273. https://doi.org/10.1099/00207713-49-3-1263
J. Starke, “Interferon-γ Release Assays for Diagnosis of Tuberculosis Infection and Disease in Children,” Pediatrics, no. 6, vol. 134, pp. 1763–1773, 2014.
Y. A. Kalabukha, and V. E. Ivashchenko, “Tuberkuloma lehkoho – obrashchatʹsya ly k khyrurhu?” HU Kyyiv Ynstytut ftyzyatryy y pulʹmonolohyy im. F. H. Yanovskoho NAMN Ukrayny “Zdorov’ya Ukrayiny”, pp. 40–41, 2010. [in Russian]
##submission.downloads##
Опубліковано
Номер
Розділ
Ліцензія
Authors who publish with this journal agree to the following terms:
Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).
