KLASSIFIKACII RENTGENOVSKIH IZOBRAZhENIJ S POMOShh'Ju OPTIMIZIROVANNOGO GLUBOKOGO OBUChENIYa

Deep Convolutional Neural Networks или просто Convolutional Neural Networks (CNN) недавно стали одной из самых мощных и выразительных моделей обучения для распознавания образов, обработки медицинских изображений, компьютерного зрения, рукописного/оптического распознавания символов и т.д., которые хорошо справляются с задачами классификации, как двоичной, так и категориальной, эффективным и простым способом. Помимо широкого применения в различных областях и сферах, в наши дни эта технология приобрела большую популярность и признание в области медицины, поскольку различные медицинские отчеты в наши дни очень надежны в распознавании изображений на основе глубокого обучения. В этой книге мы обучили модель глубокой структурированной нейронной сети, которая по сути является моделью CNN, на большом наборе данных рентгеновских изображений под названием MURA (Musculoskeletal Radiographs Abnormality) и попытались предсказать аномалии рентгенографического изображения (является ли изображение нормальным или аномальным) на основе бинарной классификации.