Автоматизовані системи високопродуктивної ідентифікація об’єктів зображень за геометричними ознаками

Abstract

У статті обґрунтовується доцільність та практична цінність використання специфічної методології імітаційного моделювання, що передбачає цифрову обробку та математичну сутність технології нейронних мереж. Виділення параметрів та локалізація необхідних областей медичних зображень – складний процес, який потребує інтелектуальних алгоритмів, хорошої якості зображень, а також втручання кваліфікованого оператора при дослідженні великих масивів даних. Пухлина головного мозку – серйозне захворювання, і кількість людей, які помирають через пухлини головного мозку, незважаючи на значний прогрес у лікуванні залишається вражаючою. В даному досліджені детально представлено розроблений алгоритм для високопродуктивної ідентифікації об’єктів (ранньому виявленні та ідентифікації пухлин) на МРТ-знімках за геометричними ознаками. Даний алгоритм на основі попередньої обробки зображення аналізує масив даних за допомогою згорткової нейронної мережі (ЗНМ) та розпізнає патології на зображеннях. Отриманий алгоритм є кроком до створення автономних автоматичних систем ідентифікації та прийняття рішень, щодо діагностики злоякісних пухлин та інших новоутворень у головному мозку за геометричними ознаками. The article substantiates the feasibility and practical value of using a specific simulation modeling methodology, which provides for digital processing and the mathematical essence of neural network technology. A brain tumor is a serious disease, and the number of people who die due to a brain tumor, despite significant progress in treatment remains impressive. In this research presents in detail the developed algorithm for highperformance identification of objects (early detection and identification of tumors) on MRI images by geometric features. This algorithm, based on image pre-processing, analyzes the data array using a convolutional neural network (CNN) and recognizes pathologies in the images. The obtained algorithm is a step towards the creation of autonomous automatic identification and decision-making systems for the diagnosis of malignant tumors and other neoplasms in the brain by geometric features.