Please use this identifier to cite or link to this item: http://essuir.sumdu.edu.ua/handle/123456789/43334
Or use following links to share this resource in social networks: Recommend this item
Title Інтелектуальна діагностична система для радіонуклідного статичного обстеження
Other Titles Intelligent Diagnostic System For Static Radionuclide Examination
Интеллектуальная система диагностики для радионуклидного статического обследования
Authors Moskalenko, Viacheslav Vasylovych  
Рижова, А.С.
ORCID http://orcid.org/0000-0001-6275-9803
Keywords сегментація зображень
класифікація
машинне навчання
інформаційний критерій
оптимізація
словник ознак
радіонуклідна діагностика
гамма-камера
сегментация изображений
классификация
машинное обучение
информационный критерий
оптимизация
словарь признаков
радионуклидная диагностика
image segmentation
classification
machine learning
information criterion
optimization
feature set
radionuclide diagnostics
gamma camera
Type Article
Date of Issue 2015
URI http://essuir.sumdu.edu.ua/handle/123456789/43334
Publisher Сумський державний університет
License
Citation Рижова, А.С. Інтелектуальна діагностична система для радіонуклідного статичного обстеження [Текст] / А.С. Рижова, В.В. Москаленко // Журнал інженерних наук. - 2015. - Т.2; №2. - С.Н1-Н8.
Abstract Пропонується метод інформаційного синтезу вирішальних правил діагностичної системи для радіонуклідного статичного обстеження органів людини на гамма-камері в умовах незбалансованого обсягу навчальних вибірок класів розпізнавання. Розглядається формування вхідного математичного опису діагностичної системи. Розроблено алгоритми сегментації та класифікації сцинтиграфічних зображень на основі інформаційно-екстремального машинного навчання. Розроблені алгоритми ґрунтуються на адаптивному двійковому кодуванні значень ознак розпізнавання та оптимізації геометричних параметрів розбиття простору ознак на класи еквівалентності, контейнери яких відновлюються в радіальному базисі бінарного простору Хеммінга, в процесі максимізації інформаційної спроможності діагностичної системи. Як критерій функціональної ефективності діагностичної системи використано модифікацію інформаційного критерію за С. Кульбаком, що є функціоналом від першої та другої достовірностей рішень, що приймаються в робочому режимі системи. Як приклад реалізації запропонованих алгоритмів розглядається паралельна композиція інформаційно-екстремальних класифікаторів для оцінювання рівня ураження паренхіми нирок внаслідок інфекційних захворювань.
Предлагается метод информационного синтеза решающих правил диагностической системы для радионуклидного статического обследование органов человека на гамма-камере в условиях несбалансированного объема обучающих выборок классов распознавания. Рассматривается формирования входного математического описания диагностической системы. Разработаны алгоритмы сегментации и классификации сцинтиграфических изображений на основе информационно-экстремального машинного обучения. Разработанные алгоритмы основываются на адаптивном двоичном кодировании значений признаков распознавания и оптимизации геометрических параметров разбиения пространства признаков на классы эквивалентности, контейнеры которых восстанавливаются в радиальном базисе бинарного пространства Хэмминга, в процессе максимизации информационной способности диагностической системы. В качестве критерия функциональной эффективности диагностической системы использовано модификацию информационного критерия по С. Кульбаку в виде функционала от первой и второй достоверностей решений, принимаемых в рабочем режиме системы. В качестве примера реализации предложенных алгоритмов рассматривается параллельная композиция информационно-экстремальных классификаторов для оценки уровня поражения паренхимы почек инфекционными заболеваниями.
The article presents the method of an informational synthesis of decision rules for radionuclide diagnostic system of static examination of the human on gamma camera in case of unbalanced training dataset. The making of input mathematical description for intelligent radionuclide diagnostic system is considered. The algorithms for segmentation and classification scintigraphy images based on informationextreme machine learning are developed. The algorithms are based on adaptive binary coding of feature vectors and optimization of geometrical parameters of feature space partition into classes with containers which build into a radial basis of binary Hamming space to maximize the information ability of system intended to radionuclide diagnostics. The modified S. Kulback’s information criterion for estimate efficiency of diagnostic system is expressed in terms of positive and negative predictive value. The physical modeling of proposed algorithms is implemented by the example of bootstrap aggregating informationextreme classifiers intended to estimation of level of kidney lesion.
Appears in Collections: Journal of Engineering Sciences / Журнал інженерних наук

Views

Belgium Belgium
1
Bosnia & Herzegovina Bosnia & Herzegovina
1
Canada Canada
1
China China
1
France France
4
Germany Germany
620804080
Greece Greece
1
Iran Iran
1
Ireland Ireland
310403
Lithuania Lithuania
1
Netherlands Netherlands
3796
Poland Poland
1
Russia Russia
4
Singapore Singapore
1
Spain Spain
1
Sweden Sweden
1
Taiwan Taiwan
1
Ukraine Ukraine
620804077
United Kingdom United Kingdom
9947122
United States United States
1905069383
Unknown Country Unknown Country
32395804

Downloads

China China
4777514
Cyprus Cyprus
42724
France France
890
Germany Germany
620804081
India India
1
Ireland Ireland
310400
Kuwait Kuwait
1
Lithuania Lithuania
1
Norway Norway
1
Pakistan Pakistan
1
Russia Russia
2
Spain Spain
1
Ukraine Ukraine
620804078
United Kingdom United Kingdom
1
United States United States
545688448
Unknown Country Unknown Country
43

Files

File Size Format Downloads
ryzhova_sehmentatsiia_zobrazhen.pdf 1.31 MB Adobe PDF 1792428187

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.