Исследование эффективности методов трансферного обучения и тонкой настройки на сверточной нейронной сети VGG16 при классификации Covid-19, пневмонии и здоровых снимков на рентгенограммах грудной клетки

Аннотация

Билалов Н.И., Петров М.В., Папшева Е.М.

Дата поступления статьи: 24.04.2023

В данной работе исследуется эффективность интеллектуальной системы для классификации рентгенографических изображений по трем классам при использовании методов трансферного обучения и тонкой настройки. Для оценки эффективности предсказания системой наличия характерных патологий использовалась свёрточная нейронная сеть VGG16. Для обучения, проверки обучения и тестирования нейросети был использован каталог, состоящий из 4228 рентгенографических снимков грудной клетки, разделенных на три класса: пневмония, Covid-19 и при отсутствии заболеваний легких. Для моделирования использовались библиотеки глубокого обучения Keras и TensorFlow. В ходе работы представлены результаты нейросетевой точности классификации снимков при полном обучении. Показано увеличение точности прогнозирования при трансферном обучении, а также при тонкой настройке нейросети. По итогам работы нейросеть обучилась распознавать снимки с признаками поражения пневмонией, Covid-19 и снимки в норме. Лучшего показателя точности в 98,4 % достигла модель при тонкой настройке нейросети.

Ключевые слова: рентгенограмма грудной клетки, Covid-19, пневмония, интеллектуальная система, машинное обучение, глубокое обучение, cверточные нейронные сети, трансферное обучение, тонкая настройка сверточной нейронной сети

2.3.1 - Системный анализ, управление и обработка информации

3.1.29 - Пульмонология

.