Liver Pathological States Identification in Diffuse Diseases with Self-Organization Models Based on Ultrasound Images Texture Features

Настенко, Євген; Maksymenko, V.; Dykan, Irina; Nosovets, Olena; Tarasiuk, Boris; Pavlov, Volodymyr; Babenko, Vitalii; Kruhlyi, Vladyslav; Soloduschenko, Volodymyr; Dyba, Marina; Umanets, Vitalij

doi:10.1109/csit49958.2020.9321999

Cited by 4 publications

(1 citation statement)

References 9 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Однією із перспективних галузей використання даних технологій є радіологія. Існують різноманітні алгоритми, які можуть виконати широкий спектр задач для полегшення рутинної роботи лікаря [2][3][4]. Наприклад, сегментація зображень магнітнорезонансної томографії (МРТ) голови людини: виділення областей інтересу на зображеннях із різними ураженнями, починаючи від підгострих і гострих форм інсульту до пухлин або окремих частин головного мозку [5][6][7].…”

Section: і вступunclassified

Сучасні Підходи До Аналізу Медичних Зображень

Гончарук,

Настенко,

Алхімова

2023

БМІТех

View full text Add to dashboard Cite

У даній статті виконано огляд сучасних підходів аналізу медичних зображень на прикладі магнітно-резонансної томографії (МРТ) голови людини. За допомогою глибинного навчання автори досліджують різні методи автоматичної сегментації, класифікації та діагностики уражень голови людини таких як гостру та підгостру форми інсульту і пухлинні утворення. Серед методів розглядаються можливості використання трансформерних моделей, згорткових нейронних мереж і метода розкладу невід'ємних матриць та їх комбінації. На жаль, для коректного порівняння результатів роботи нейронних мереж, як мінімум тренувальна та екзаменаційна вибірки не можуть відрізнятися в межах одного набору даних. Тому, наведено результати ефективності кожного з підходів для ознайомлення. Підходи розглянуті в даній статті обрані таким чином, щоб експериментальні набори даних використовувалися між обраними дослідженнями та були у відкритому доступі. Це було зроблено, щоб у разі потреби мати змогу повторити експеримент або ж порівняти з ефективністю власного підходу. Також, через властивість нейронних мереж, є змога використати досліджені алгоритми для вирішення задач сегментації в іншому домені. На приклад, використовуючи дані комп’ютерної томографії(КТ) сегментувати ділянки легень що ураженні COVID-19 чи пневмонією. Або для сегментації фіброзних утворень печінки на зображеннях ультразвукової діагностики та еластографії.. В загальному, дана стаття проводить огляд сучасних досягнень та демонструє розвиток та можливості глибинного навчання в області аналізу медичних зображень для поліпшення діагностики та лікування і підтримки прийняття медичних рішень.

show abstract

Section: і вступunclassified

Сучасні Підходи До Аналізу Медичних Зображень

Гончарук,

Настенко,

Алхімова

2023

БМІТех

View full text Add to dashboard Cite

show abstract

Classification of Pathologies on Medical Images Using the Algorithm of Random Forest of Optimal-Complexity Trees

et al. 2023

View full text Add to dashboard Cite

A system for Determining the Degree of Fibrosis by Ultrasound Images of the Liver of Children with Autoimmune Hepatitis

Ursu,

Budnik,

Shevchenko

et al. 2024

Control syst. comput.

View full text Add to dashboard Cite

Introduction. Diffuse diseases are the most numerous class of liver diseases. Among them, autoimmune hepatitis stands out for its severe course in children. Its timely diagnosis and assessment of the degree of liver damage is an integral part of a patient’s personalised treatment strategy. The lack of reliable non-invasive methods for assessing liver disease affects the quality of medical services. Therefore, the search for informative signs of liver damage in ultrasound images and the improvement of methods for solving multi-class classification problems are relevant areas for the development of non-invasive systems for determining the degree of liver fibrosis. Purpose. Improve the diagnosis of liver fibrosis stages through a multi-level classification system. Methods. A system for classifying the detailed degree of fibrosis (eight classes) based on neural networks according to the state of the blood vessels in ultrasound images of the liver is proposed and substantiated: the first level is a fibrosis degrees group classification of fibrosis degree for regions of interest by convolutional neural networks, the second level is the classification of fibrosis individual degrees for regions of interest by a deep neural network, the third level is the integration of the second level results to obtain conclusions about the patient (image) as a whole. In order to optimize the feature space, we have performed an exploratory analysis using a logistic multivariate regression model optimized by the Group Method of Data Handling. The resulting set of generalized variables formed the meta-feature space for the second level of the system. A twofold increase in the quality of the system’s classification is shown in comparison with solving the task of image classification by a single convolutional network with an output of eight classes. Results. Improved version of the hierarchical system for solving multiclass problems based on the use of ANNs is proposed. The system implements the classification of the detailed degree of liver fibrosis in children with autoimmune hepatitis using ultrasound images characterizing the state of liver vessels. The use of a hierarchical classification system allowed us to obtain a classification accuracy of 32.61% higher than the use of a standard multi-class classifier based on a convolutional neural network. The classification accuracy of the hierarchical system: at the first level – 32.46%; at the second level – 50.43%; at the third level – 65.22%. Conclusion. The article proposes, substantiates and develops a hierarchical classification system based on convolutional neural networks. Its use makes it possible to increase the accuracy of classification of the detailed degree of liver fibrosis by 2 times compared to the standard multi-class classifier based on СNNs. The main source of further improvement of the classification accuracy of the system should be a combination of signs of vascular deformation and texture features that can be obtained with different ultrasound imaging modes. The developed system offers new opportunities for improving methods for solving multiclass classification problems based on image analysis.

show abstract

Liver Pathological States Identification in Diffuse Diseases with Self-Organization Models Based on Ultrasound Images Texture Features

Cited by 4 publications

References 9 publications

Сучасні Підходи До Аналізу Медичних Зображень

Сучасні Підходи До Аналізу Медичних Зображень

Classification of Pathologies on Medical Images Using the Algorithm of Random Forest of Optimal-Complexity Trees

A system for Determining the Degree of Fibrosis by Ultrasound Images of the Liver of Children with Autoimmune Hepatitis

Contact Info

Product

Resources

About