Registration Number
0825U001898, PhD dissertation
Status
Доктор філософії
Date
17-07-2025
popup.evolution
o
Title
Technology of Hierarchical Classification in the Diagnosis of Pathologies from Medical Images of Various Modalities
Author
Vitalii O. Babenko,
popup.head Ievgen Nastenko
popup.opponent Volodymyr S. Stepashko
popup.opponent Olena V. Vysotska
popup.review Anton O. Popov
popup.review Svitlana I. Shapovalova
popup.rada
National Technical University of Ukraine «Igor Sikorsky Kyiv Polytechnic Institute»
Description
Дисертація присвячена розробленню технології ієрархічної класифікації для підвищення точності виявлення патологій за медичними зображеннями різних модальностей. Метою роботи є удосконалення методів комп’ютерної діагностики шляхом поєднання ансамблевих алгоритмів машинного навчання з розширеним набором текстурних ознак і модифікованим методом випадкового лісу дерев оптимальної складності (ВЛДОС). Об’єкт дослідження – процес аналізу діагностичних ультразвукових та КТ-знімків; предмет – моделі й алгоритми автоматизованого розпізнавання станів біологічних об’єктів. У дослідженні використано гістограмну обробку, сегментацію згортковими нейронними мережами, статистичний і фрактальний текстурний аналіз, кореляційний відбір ознак, XGBoost, LightGBM і технологію ієрархічної класифікації.
Наукова новизна полягає у наступному:
1. Вперше запропоновано технологію класифікації патологій за множиною медичних зображень одного об’єкту дослідження, де для кожного зображення обчислюється розподіл ймовірностей для бінарних комбінацій класів, а остаточне визначення класу патології відбувається за множиною всіх діагностичних показників об’єкту, підвищуючи точність порівняно з класифікацією за окремими знімками.
2. Вдосконалено метод машинного навчання «Random Forest» (створено ВЛДОС) шляхом побудови дерев рішень оптимальної складності на основі методу групового урахування аргументів (МГУА), оптимізації наборів ознак генетичними алгоритмами за критерієм кореляції Меттьюза та зважування дерев методом аналізу ієрархій Сааті.
Розширений набір текстурних дескрипторів був застосований для стадіювання фіброзу печінки та виявлення COVID-асоційованих легеневих уражень: досягнуто точності 0,67 і F-міри 0,68 для мультикласового стадіювання фіброзу й 0,84 і 0,84 відповідно для ідентифікації патологій легень; мажоритарне голосування на рівні пацієнтів підвищило точність до 0,75 та 0,89. Практична значущість підтверджена впровадженням результатів у чотири провідні установи України, що сприяє зменшенню потреби в інвазивних процедурах. Отримані результати формують основу для подальшого розвитку інтелектуальних систем підтримки медичних рішень у телемедицині та клінічній діагностиці.
Registration Date
2025-05-22
popup.nrat_date
2025-05-22 / 2026-07-01
