Registration Number
0826U004332, PhD dissertation
Status
Доктор філософії
Date
07-09-2026
popup.evolution
o
Title
Improving the Efficiency of Image Restoration Methods Based on a Modified Convolutional Neural Network
Author
Andrii O. Lynovskyi,
popup.head Vadym Y. Mukhin
popup.opponent Yevhen A. Chychkarov
popup.opponent Andrii P. Bondarchuk
popup.review Valerii Y. Danylov
popup.review Svitlana I. Shapovalova
popup.rada
National Technical University of Ukraine «Igor Sikorsky Kyiv Polytechnic Institute»
Description
Дисертація: 117 с., 24 рис., 8 табл., 1 додаток, 80 джерел.
Ключові слова: згорткові нейронні мережі, рекурентні нейронні мережі, RNN, залишкова нейронна мережа, нелокальні операції, імпульсний шум «сіль і перець», штучний інтелект, машинне навчання.
Об’єкт дослідження - процес шумозаглушення медичних зображень, пошкоджених імпульсним SaP-шумом.
Мета дослідження - підвищення ефективності та точності відновлення дрібних анатомічних деталей на медичних зображеннях при високій щільності кластерного імпульсного шуму за рахунок модифікації згорткових нейронних мереж.
Методи дослідження - методи обробки просторових даних, машинне та глибоке навчання (CNN, RNN, залишкові зв'язки), механізми канально-просторової уваги (CBAM), методи оптимізації (алгоритм Adam), метричні методи оцінки якості (PSNR).
Теоретичні та практичні результати. Виявлено системні обмеження базової моделі SeConvNet при обробці великих кластерних плям SaP-шуму через втрату глобального контексту, розмиття. Розроблено, математично обґрунтовано та реалізовано модифіковану архітектуру SeConvNet + CBAM. Запропоновано поетапний процес відновлення зображень.
Практично доведено, що модифікована модель забезпечує зростання середнього показника PSNR на 4.7% (до 8% на критичних ділянках із сильною концентрацією шуму) на наборі NIH Chest X-rays. Точніше відновлюються дрібні анатомічні структури.
Наукова новизна. Вперше запропоновано інтеграцію механізму канально-просторової уваги CBAM у структуру селективної згорткової мережі після залишкових зв’язків. Таке архітектурне розміщення надає масці уваги доступ до комбінованого представлення сигналу, що дозволяє адаптивно підсилювати важливі структурні ознаки та мінімізувати артефакти згладжування без значного зростання обчислювальних витрат.
Галузь використання. Системи медичної візуалізації, клінічні робочі станції з обмеженими апаратними ресурсами для попереднього аналізу рентгенівських знімків.
Ефективність впровадження. Результати дослідження апробовано та опубліковано у трьох провідних фахових виданнях.
Registration Date
2026-08-05
popup.nrat_date
2026-08-05 / 2026-09-29
