Control Systems and Computers

https://doi.org/10.15407/csc.2024.02.077

Урсу І.О., Буднік Ю.С., Шевченко О.О., Диба М.Б., Тарасюк Б.А., Павлов В.А.  Система визначення ступеню фіброзу по ультразвуковим зображенням печінки дітей при аутоімунному гепатиті. Сontrol Systems and Computers. 2024. № 2. C.  77-87.

УДК  004.8 + 004.932    

Урсу І.О., студент, Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського», проспект Берестейський, 37, Київ 03056, Україна, E–mail: bs02-uio-fbmi24@lll.kpi.ua,

Буднік Ю.С., студент, Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського», проспект Берестейський, 37, Київ 03056, Україна, E–mail: bs03-bys-fbmi24@lll.kpi.ua,

Шевченко О.О., студент, Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського», проспект Берестейський, 37, Київ 03056, Україна, E–mail: bs03-soo-fbmi24@lll.kpi.ua,

Диба М.Б., канд. мед. наук, старший науковий співробітник відділення гепатології і коморбідних захворювань у дітей ДУ “Інститут педіатрії, акушерства і гінекології НАМН України”, вул. Платона Майбороди, 8, Київ 04050, Україна, E–mail: marina_dyba@ukr.net,

Тарасюк Б.А., докт. мед. наук, старший науковий співробітник ДУ “Інститут ядерної медицини та променевої діагностики НАМН України”, вул. Платона Майбороди, 32, Київ 04050, Україна, E–mail: btarasyuk13@gmail.com,

Павлов В.А., канд. техн. наук, доцент, Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського», проспект Берестейський, 37, Київ 03056, Україна, E–mail: pavlov.volodymyr@lll.kpi.ua

Cистема визначення ступеню фіброзу по ультразвуковим зображенням печінки дітей при аутоімунному гепатиті

В роботі запропонована та обгрунтована трьох-рівнева система класифікації деталізованого ступеню фіброзу (8 класів) на основі нейронних мереж за станом судин на ультразвукових зображеннях печінки: перший рівень – групова класифікація ступенів фіброзу для областей інтересу засобами згорткових нейронних мереж, другий рівень – класифікація окремих ступеню фіброзу областей інтересу глибокою нейронною мережею, третій рівень – інтеграція результатів другого рівня  для одержання висновків  по пацієнту (зображенню) в цілому.  З метою оптимізації простору ознак проведений розвідувальний аналіз засобами моделі логістичної багатовимірної регресії оптимізованої методом групового урахування аргументів. Одержаний в результаті набір узагальнених змінних сформував простір метаознак для другого рівня системи. Показано двократний приріст якості класифікації системи у порівнянні із вирішенням поставленої задачі класифікації зображень единою згортковою мережею з виходом на 8 класів.

Завантажити повний текст! (українською)

Ключові слова: згорткові нейронні мережі, багаторівнева система, групова класифікація, МГУА, логістична регресія, розвідувальний аналіз, фіброз печінки, ультразвукові зображення.

1. Poynard T., Imbert-Bismut F., Ratziu V., Chevret S., Jardel C., Moussalli J., Messous D., Degos F., & GERMED cyt04 group. Biochemical markers of liver fibrosis in patients infected by hepatitis C virus: longitudinal validation in a randomized trial. Journal of viral hepatitis, 9(2). pp. 128–133. DOI: https://doi.org/10.1046/j.1365-2893.2002.00341.x.
2. Kuroda H., Abe T., Kakisaka K., Fujiwara Y., Yoshida Y., Miyasaka A., Ishida K., Ishida H., Sugai T., & Takikawa Y. (2016). Visualizing the hepatic vascular architecture using superb microvascular imaging in patients with hepatitis C virus: A novel technique. World journal of gastroenterology, 22 (26). pp. 6057–6064. https://doi.org/10.3748/wjg.v22.i26.6057.
3. Koyama N., Hata J., Sato T., Tomiyama Y., & Hino K. Assessment of hepatic fibrosis with superb microvascular imaging in hepatitis C virus-associated chronic liver diseases. Hepatology research: the official journal of the Japan Society of Hepatology, 47(6), pp. 593–597. https://doi.org/10.1111/hepr.12776.
4. Lee J.H., Joo I., Kang T.W., Paik Y.H., Sinn D.H., Ha S.Y., Kim K., Choi C., Lee G., Yi J., & Bang W.C. “Deep learning with ultrasonography: automated classification of liver fibrosis using a deep convolutional neural network”. European radiology. 30(2), pp. 1264–1273. https://doi.org/10.1007/s00330-019-06407-1
5. Nastenko Ie., Nosovets O., Babenko V., Dyba M., Maksymenko V., Tarasiuk B., Kruhlyi V., Umanets V., Dykan I., Pavlov V., Soloduschenko V.. Liver Pathological States Identification in Diffuse Diseases with Self-Organization Models Based on Ultrasound Images Texture Features. 2020 IEEE 15th International Conference on Computer Sciences and Information Technologies (CSIT), Zbarazh Castle, UKRAINE, 23-26 September, 2020 314 p. / pp. 21–26, e-ISSN: 2766-3639. https://link.springer.com/chapter/10.1007/978-3-030-63270-0_26.
6. Meng D., Zhang L., Cao G., Cao W., Zhang G. and Hu B. Liver Fibrosis Classification Based on Transfer Learning and FCNet for Ultrasound Images, in IEEE Access, vol. 5, pp. 5804–5810, 2017, DOI: https://doi.org/10.1109/ACCESS.2017.2689058.
7. Park, H., Joo, Y., Lee, O.J. et al. Automated classification of liver fibrosis stages using ultrasound imaging. BMC Med Imaging 2024, 24 (1), p. 36, DOI: https://doi.org/10.1186/s12880-024-01209-4.
8. Бабенко В., Настенко Є., Солодущенко В., Павлов В., Дикан І. Ієрархічний алгоритм мультикласифікації стадій фіброзу печінки з інтегрованим аналізом областей інтересу. Biomedical Engineering and Technology. 2024, Issue 14. DOI: https://doi.org/10.20535/2617-8974.2024.14.301108.
9. Радченко О.В., Павлов В.А., Городецька О.К., Корнієнко Г.А. Багатокласовий класифікатор на основі бінарних логістичних регресій, одержаних за принципами МГУА. Control Systems and Computers. 2023. № 3. С. 24–32. https://doi.org/10.15407/csc.2023.03.024.

Надійшла 14.03.2024