Алгоритм цифровой обработки снимков компьютерного томографа

Далее был расширен алгоритм для классификации множественных торакаль­ных патологий за счет внесения трех изменений.

Во-первых, вместо вывода одной бинарной метки, выводится t бинарных меток, которые указывают на отсутствие или наличие одного из 14 классов патологий, таких как: ателектаз, кардиомегалия, плевральный выпот, инфильтрация, опухоль, узлообразование, пневмония, пневмоторакс, консолидация тканей, эдема, эмфизема, фиброз, плевральное утолщение, грыжа.

Во-вторых, был заменен последний слой полносвязным слоем, состоящий из 14-ти выходов, после чего была применена элементарная сигмоидная нелинейность. Конечным результатом является прогнозируемая вероятность каждого класса патологии.

В-третьих, была модифицирована функция потерь для оптимизации суммы невзвешенных бинарных кросс-энтропийных потерь:

где- предсказанная вероятность того, что изображение содержит

патологию c;

- предсказанная вероятность того, что изображение не содержит патологии c.

Набор данных состоит из обучающей выборки (70%), проверочной (10%) и тестовой выборки (20%) на базе снимком КТ SIMBA [64].

3.3