Дана дипломна робота присвячена розробці програмного забезпечення для аналізу ультразвукових зображень з метою діагностики полікістозу яєчників. У роботі проведено дослідження засобів комп'ютерного зору та вивчено особливості діагностики полікістозу яєчників. Була розроблена експериментальна система, яка використовує згорткову власну спроектовану нейронну мережу і метод візуалізації Grad-Cam для классифікації та детекції полікістозу яєчників на ультразвукових зображеннях. Результати дослідження показали ефективність розробленої системи, що дозволяє автоматизувати процес діагностики та сприяти швидкій та точній ідентифікації полікістозу яєчників з ультразвукових даних.
Керівник: доц., к.т.н. Галаган Р.М.
Повний перелік дипломних проєктів та робіт
Список використаної літератури
1. A review: Brief insight into Polycystic Ovarian syndrome by Jeshica Bulsara, Priyanshi Patel, Arun Soni and Sanjeev Acharya. - https://www.sciencedirect.com/science/article/pii/S266639612100008X
2. Polycystic ovary syndrome: improving policies, awareness, and clinical care by Rhonda M. Garad and Helena J. Teede. - https://www.sciencedirect.com/science/article/pii/S2451965020300417
3. The Prevalence of Polycystic Ovary Syndrome: A Brief Review.- https://pubmed.ncbi.nlm.nih.gov/33627974/
4. The Prevalence of Polycystic Ovary Syndrome: A Brief Systematic Review by Ritu Deswal, Vinay Narwal, Amita Dang and Chandra S. Pundir. - https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7879843/
5. Epidemiology, diagnosis, and management of polycystic ovary syndrome by Susan M Sirmans and Kristen A Pate. - https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3872139/
6. Polycystic Ovarian Disease.- https://www.ncbi.nlm.nih.gov/books/NBK459251/
7. Basics of Ultrasound Imaging by Vincent Chan and Anahi Perlas. - https://www.researchgate.net/publication/225262445_Basics_of_Ultrasound_Imaging
8. Preclinical Ultrasound Imaging—A Review of Techniques and Imaging Applications by Carmel M. Moran and Adrian J. W. Thomson. - https://www.frontiersin.org/articles/10.3389/fphy.2020.00124/full
9. Deep learning-enabled medical computer vision by Andre Esteva, Katherine Chou, Serena Yeung, Nikhil Naik, Ali Madani, Ali Mottaghi, Yun Liu, Eric Topol, Jeff Dean and Richard Socher. - https://www.nature.com/articles/s41746-020-00376-2
10. Deep learning in computer vision: A critical review of emerging techniques and application scenarios - https://www.sciencedirect.com/science/article/pii/S2666827021000670
11. Support Vector Machines Applications - https://link.springer.com/book/10.1007/978-3-319-02300-7
12. Convolutional Neural Network in Medical Image Analysis: A Review by Sapna Singh Kshatri and Deepak Singh.- https://link.springer.com/article/10.1007/s11831-023-09898-w
13. Convolutional neural networks: an overview and application in radiology.- https://insightsimaging.springeropen.com/articles/10.1007/s13244-018-0639-9
14. Random Forests - https://link.springer.com/article/10.1023/A:1010933404324
15. Computer Vision - https://link.springer.com/book/10.1007/978-1-84882-935-0
16. Deep Learning in Computer Vision: Principles and Applications - https://www.researchgate.net/publication/339569977_Deep_Learning_in_Computer_Vision_Principles_and_Applications
17. Grad-CAM: Visual Explanations from Deep Networks via Gradient-Based Localization - https://link.springer.com/article/10.1007/s11263-019-01228-7
18. R. M. Galagan and A. S. Momot, "The use of ART-2 neural network for processing information signals of non-destructive testing", 2017 IEEE First Ukraine Conference on Electrical and Computer Engineering (UKRCON), Kiev, 2017, pp. 981-985 (doi: 10.1109/UKRCON.2017.8100395)
19. Momot A.S., Galagan R.M., Gluhovskii V.Yu. Deep Learning Automated System for Thermal Defectometry of Multilayer Materials. Devices and Methods of Measurements. 2021; Vol. 12(2): pp. 98-107.
20. Momot, A., Galagan, R., Zaboluieva M. Automation of ultrasound breast cancer images classification using deep neural networks. Sciences of Europe. 2022. No96. pp. 38–41.
21. Галаган Р.М., Андреєв С.М., Петрик В.Ф., Баженов В.Г., Лисенко Ю.Ю. Виявлення дефектів бетонних конструкцій на основі аналізу зображень за допомогою згорткових нейронних мереж. Вчені записки ТНУ імені В.І. Вернадського. Серія: Технічні науки. 2023. Том 34 (73), № 2. с. 138-144.
