Search academic texts

Information × Registration Number 0825U002059, PhD dissertation Status Доктор філософії Date 17-07-2025 popup.evolution o Title Methods for pulmonary tuberculosis forms classification based on computed tomography data using ensemble feature selection Author Oleksandr Matviichuk, popup.head Ievgen Nastenko popup.opponent Volodymyr Stepashko popup.opponent Olena Vysotska popup.review Svitlana Shapovalova popup.review Vadym Mukhin Description Дисертаційна робота присвячена дослідженню даних комп’ютерної томографії легень у пацієнтів із туберкульозом легень та розробці методів диференціації лікарсько-чутливої та лікарсько-стійкої форми захворювання. Туберкульоз легень є другою за поширеністю інфекційною хворобою у світі та призвів у 2023 році до 1,3 млн смертей. Ефективна рання діагностика відіграє ключову роль у своєчасному призначенні лікування, особливо у випадках розвитку стійкості до протитуберкульозних препаратів. Для виявлення туберкульозу легень використовуються різні методи діагностики, зокрема мікробіологічний, молекулярно-генетичний, радіологічний, імунологічний та біохімічний. Застосування комп’ютерної томографії як рентгенологічного методу дозволяє швидко отримати зображення легень, оцінити наявність та ступінь уражень. Аналіз даних з зображень томографії дає змогу визначити форму та місце ураження легень туберкульозом, що є важливим етапом для подальшої розробки ефективних алгоритмів діагностики та оптимізації лікування. Проведено аналітичний огляд сучасних підходів до диференціації лікарсько-чутливої та лікарсько-стійкої туберкульозу із застосуванням методів машинного навчання. Розглянуто основні алгоритмічні підходи, включаючи використання штучних нейронних мереж, методів статистичного та текстурного аналізу, а також технологій сегментації для виділення зон інтересу на зображеннях комп’ютерної томографії. За результатами проведеного огляду встановлено, що комп’ютерна томографія легень містить ключові візуальні ознаки, які можуть бути використані для автоматизованої диференціації форм туберкульозу. Методи машинного навчання, зокрема згорткові нейронні мережі, демонструють високу точність у розпізнаванні структурних змін та класифікації патологічних процесів, що робить їх перспективним інструментом у діагностичних системах. Розглянуті сучасні методи мають проблеми з точністю класифікації лікарсько-чутливої та лікарсько-стійкої форми туберкульозу. Тому постає задача вдосконалення даних методів та технологій для збільшення точності діагностики, а також для підбору персоналізованої стратегії лікування. Для підвищення точності класифікації додано попередню обробку томографічних даних із виділенням легеневого вікна та визначенням площі легень, що дозволяє усунути надлишкову інформативність. В алгоритмі сегментації враховано можливість появи непромаркованих пікселів у середині легень та їх корекцію шляхом приєднання до виділеної області. Проведено дослідження з застосування методів текстурного аналізу для виділення ключових характеристик, що дозволяють більш точно ідентифікувати закономірності в структурі об’єктів на зображенні. Для отримання текстурних особливостей було застосовано різні типи матриць, зокрема – гістограма, матриця співвідношення рівнів сірого, матриця розміру зони рівнів сірого, матриця граничної довжини рівнів сірого. Перевагою використання матриць текстурних характеристик є збільшення інформативності отриманих даних за рахунок переходу від традиційного геометричного аналізу до оцінки текстури. Виділення настільки великої кількості ознак потребує механізму селекції інформативних ознак, для чого використано метод Minimum Redundancy Maximum Relevance. Побудована модель та методика моделювання ознак надає можливість впорядкувати ознаки за інформативністю та сформувати ансамбль найбільш релевантних за яким побудовано класифікатор. Registration Date 2025-05-30 popup.nrat_date 2025-05-30 Close