ИСПОЛЬЗОВАНИЕ МЕТОДОВ ГЛУБОКОГО МАШИННОГО ОБУЧЕНИЯ В ЗАДАЧЕ ОБНАРУЖЕНИЯ
КУПОЛА СЛЕПОЙ КИШКИ НА ВИДЕОДАННЫХ КОЛОНОСКОПИЧЕСКОГО ИССЛЕДОВАНИЯ

Владимир Вячеславович Хрящев, кандидат технических наук, доцент, доцент кафедры цифровых технологий и машинного обучения, Ярославский государственный  университет имени П. Г. Демидова (Россия, г. Ярославль, ул. Советская, 14),v.khryashchev@uniyar.ac.ru

Актуальность и цели. Рассматривается задача контроля качества колоноскопических исследований кишечника на основе анализа соответствующих видеоданных. Для ее решения предлагается обнаруживать на видеопотоке кадры, содержащие изображения купола слепой кишки. Данные фрагменты в видеопотоке являются ключевой точкой в процессе проведения колоноскопического исследования. Материалы и методы. Для решения поставленной задачи используются методы и алгоритмы глубокого машинного обучения и компьютерного зрения. Предлагается алгоритм обнаружения области купола слепой кишки на видеоизображениях с использованием сверточной нейронной сети архитектуры YOLO. Результаты. Получены метрики оценки качества работы предложенного алгоритма с использованием тестовой базы изображений, содержащей 1561 кадр области купола слепой кишки. Проанализированы результаты работы нейросетевого алгоритма в сравнении с популярным подходом на основе нейросетевой архитектуры SSD. Предложенный нейросетевой алгоритм показывает устойчивую работу и превосходит аналоги по стандартным метрикам. Выводы. Результаты будут являться базой для построения на основе разработанного алгоритма модуля анализа видеопотока в реальной медицинской системе для проведения колоноскопических исследований.

Ключевые слова

колоноскопические видеоизображения, купол слепой кишки, глубокое обучение, нейросетевой детектор объектов

 Скачать статью в формате PDF

Для цитирования:

Хрящев В. В. Использование методов глубокого машинного обучения в задаче обнаружения купола слепой кишки на видеоданных колоноскопического исследования // Модели, системы, сети в экономике, технике, природе и обществе. 2023. № 4. С. 133–141. doi: 10.21685/2227-8486-2023-4-8