Аналіз каркасних мереж виявлення ознак в моделях глибинного навчання

2022;
: cc. 169 - 176
Автори:
1
Lviv Polytechnic National University

У роботі проаналізовано  та порівняно сучасні моделі глибинного навчання для задач класифікації зображень МРТ колінного суглоба. Проаналізовано сучасні глибинні архітектури комп’ютерного зору для виділення ознак із зображень МРТ. Такий аналіз використано для створення прикладних архітектур моделей машинного навчання. Вказані моделі орієнтовані на автоматизацію процесу діагностування травм коліна у медичних приладах та системах. Досліджено різні типи каркасних мереж виявлення ознак для архітектур машинного навчання, які здійснюють класифікацію зображень магнітно-резонансної томографії (МРТ) коліна. Результуючі моделі оцінено на наборі даних MRNet із обчисленням метрик F1 та К-Каппи Коена. Результати роботи показують, що метрика Каппа Коена важлива для оцінювання моделей на архітектурі MRNet, оскільки забезпечує глибше розуміння класифікаційних рішень кожної моделі.

  1. Nacey, N. C. (2017). Magnetic resonance imaging of the knee: An overview and update of conventional and state of the art imaging. J. Magn. Reson. Imaging, 45 (5), 1257–1275. https://doi.org/10.1002/jmri.25620.
  2. IHS Markit Ltd (Prepared for the AAMC). The Complexities of Physician Supply and Demand: Projections from 2019 to 2034 AAMC (2021). https://www.aamc.org/media/54681/download.
  3. Gore, J. C. (2020). Artificial intelligence in medical imaging. J. Magn. Reson. Imaging, 68, A1-A4. https://doi.org/10.1016/j.mri.2019.12.006.
  4. He, K., Zhang, X., Ren, S., & Sun, J. (2015). Deep Residual Learning for Image Recognition. arXiv, arXiv:1512.03385.     https://doi.org/10.48550/arXiv.1512.03385.
  5. Tsai, C., Kiryati, N., Konen, E., Eshed, I., & Mayer, A. Knee Injury Detection using MRI with Efficiently- Layered Network (ELNet). In Proceedings of the Third Conference on Medical Imaging with Deep Learning, Montreal, QC, Canada, 6–8 July 2020, 121, 784–794.
  6. Пукач П. (2022). Огляд та аналіз основних каркасних мереж виявлення ознак для класифікації зображень МРТ в моделях глибинного навчання. Вісник Хмельницького національного університету. Технічні науки, № 6 (315) [в друці].
  7. Cohen, J. (1960). A Coefficient of Agreement for Nominal Scales. Educ. Psychol. Meas., 20, 37–46. https://doi.org/10.1177/001316446002000104.
  8. McHugh, M. L. (2012). Interrater reliability: the kappa statistic. Biochem. Med., 22, 276–282. https://doi.org/10.11613/BM.2012.031.
  9. ImageNet Competition Leaderboard (2021). https://paperswithcode.com/sota/image-classification-on- imagenet.