Інтелектуальна система кластеризації ознак зображень кров’яних клітин за допомогою згорткових нейронних мереж

Abstract

Кваліфікаційну роботу присвячено розробці інтелектуальної системи для кластеризації ознак зображень кров’яних клітин із використанням інструментарію глибокого навчання. Актуальність теми полягає у зростаючій потребі автоматизованих систем попереднього аналізу медичних візуальних даних, зокрема кластеризації клітин крові для їх подальшої діагностичної інтерпретації. Об’єктом кваліфікаційної роботи є процес аналізу та структурування ознак об’єктів на медичних зображеннях. Предметом кваліфікаційної роботи є методи й програмні засоби кластеризації ознак зображень кров’яних клітин на основі згорткових нейронних мереж. Метою кваліфікаційної роботи є створення інтелектуальної системи, що забезпечує кластеризацію ознак клітин крові шляхом автоматичного виділення їх ознак зображень за допомогою згорткових нейронних мереж та подальшого групування методами машинного навчання. Для досягнення поставленої мети визначено такі завдання: – дослідити сучасні підходи до аналізу та кластеризації медичних зображень; – виконати огляд інструментів та фреймворків глибокого навчання, придатних для виділення ознак; – провести аналіз існуючих архітектур згорткових нейронних мереж та обґрунтувати вибір моделі для екстракції ознак; – реалізувати процес автоматичного виділення ознак зображень кров’яних клітин; – виконати кластеризацію відібраних ознак та провести їх візуалізацію; – здійснити тестування та оцінку роботи розробленої інтелектуальної системи. У вступі наведено обґрунтування актуальності теми, мету, завдання та предмет дослідження. The qualification work is dedicated to the development of an intelligent system for clustering image features of blood cells using deep learning methods, particularly convolutional neural networks. The relevance of the topic lies in the growing need for automated tools capable of performing preliminary analysis of medical visual data, including clustering blood cell images for further diagnostic interpretation. The object of the qualification work is the process of analyzing and structuring feature representations of objects in medical images. The subject of the qualification work is the methods and software tools for clustering feature representations of blood cell images using convolutional neural networks. The aim of the qualification work is to create an intelligent system that performs clustering of blood cell features by automatically extracting them through convolutional neural networks and grouping them using machine learning algorithms. To achieve the stated goal, the following tasks were defined: – to study modern approaches to the analysis and clustering of medical images; – to review deep learning tools and frameworks suitable for feature extraction; – to analyze existing convolutional neural network architectures and justify the choice of a model for feature extraction; – to implement an automatic feature extraction process for blood cell images; – to perform clustering of the extracted features and visualize the results; – to test and evaluate the developed intelligent system.