| Abstract |
Darbs ir veltīts tuberkulozes rentgenogrammu segmentēšanas risinājumu analīzei, salīdzināšanai un praktiskās izmantojamības izvērtēšanai. Pētījuma aktualitāti nosaka nepieciešamība pēc precīziem un efektīviem datorizētiem risinājumiem, kas var atbalstīt plaušu apgabalu izdalīšanu krūškurvja rentgenogrammās un samazināt manuālā darba apjomu medicīnisko attēlu sākotnējā analīzē. Darba mērķis ir salīdzināt dažādas segmentēšanas pieejas un noteikt risinājumu, kas nodrošina līdzsvaru starp segmentēšanas kvalitāti, stabilitāti, aprēķinu efektivitāti un praktisko ieviešamību.
Darba teorētiskajā daļā analizētas klasiskās segmentēšanas metodes, morfoloģiskās operācijas, dziļās mācīšanās modeļi, U veida neironu tīklu arhitektūras un to atvasinājumi, kā arī hibrīdās pieejas. Praktiskajā daļā tika izstrādāta segmentēšanas sistēma, kas ietvēra datu sagatavošanu, priekšapstrādi, datu paplašināšanu, vairāku modeļu realizāciju, apmācību, salīdzināšanu un validāciju. Eksperimentāli tika salīdzināts bāzes U veida tīkls, U veida tīkls ar ligzdotām pārleciena saiknēm, uzmanības U veida tīkls, reziduālais U veida tīkls, vieglais reziduālais U veida tīkls ar uzmanības blokiem un ansambļa modelis.
Rezultāti parādīja, ka modernizētās U veida tīklu arhitektūras būtiski pārsniedz bāzes modeli galvenajos segmentēšanas kvalitātes rādītājos. Visaugstāko kvalitāti sasniedza ansambļa modelis, tomēr tas bija resursietilpīgāks. Par praktiski piemērotāko risinājumu tika atzīts vieglais reziduālais U veida tīkls ar uzmanības blokiem, jo tas nodrošināja augstu segmentēšanas kvalitāti, labu stabilitāti, īsu prognozēšanas laiku un mazāku aprēķinu slodzi. Validācija apliecināja, ka izvēlētais modelis spēj precīzi segmentēt plaušu apgabalus un būtiski samazināt laiku līdz izmantojamam rezultātam.
Darba rezultāti apstiprina, ka dziļās mācīšanās segmentēšanas pieejas ir piemērotas tuberkulozes rentgenogrammu sākotnējās analīzes atbalstam. Izstrādātais risinājums nav autonoms diagnostikas instruments, bet gan atbalsta rīks, kura rezultāti jāpārskata speciālistam.
Darba apjoms: 78 lappuses, 18 attēli, 15 tabulas, 4 pielikumi, 36 izmantotie informācijas avoti. |
