Методи попередньої обробки рентген-знімків грудної клітини у задачі класифікації

В. І. СУЧКОВ, аспірант

DOI: http://doi.org/10.35668/2520-6524-2026-1-11

PDF

Ключові слова: згорткова нейронна мережа, попереднє оброблення даних, датасет, розпізнавання об- разів, штучний інтелект.

АНОТАЦІЯ

У статті розглянуто застосування методів попереднього оброблення рентгенівських знімків груд- ної клітини в задачі автоматизованої класифікації медичних зображень. Попереднє оброблення є важливим етапом підготовки даних, оскільки характеристики вхідних зображень можуть суттєво впливати на ефектив- ність навчання моделей штучного інтелекту та якість аналізу медичних зображень. У дослідженні проаналі- зовано різні підходи до попереднього оброблення зображень у задачі класифікації рентгенівських знімків за такими класами: COVID-19, пневмонія та відсутність захворювання. Зокрема розглянуто застосування фільтра Гауса, медіанного фільтра та методу адаптивного вирівнювання гістограми з обмеженням конт- расту (CLAHE), які використовуються відповідно для згладжування шуму, збереження контурів і підвищення локального контрасту зображень. Результати дослідження підтверджують, що застосування методів попе- реднього оброблення підвищує ефективність класифікації рентгенівських зображень. Метод адаптивного вирівнювання гістограми з обмеженням контрасту продемонстрував найкращі результати класифікації під час проведених експериментів.

Надійшла до редакції 04.03.2026

Прийнята до друку 16.03.2026

СПИСОК ВИКОРИСТАНИХ ДЖЕРЕЛ

  1. Сучков В. І. Згорткова нейронна мережа для класи- фікації рентген-знімків грудної клітини / В. І. Суч- ков, А. О. Пашко // Журнал обчислювальної та прикладної математики. — 2025. — No 2. — С. 77– 86. DOI: 10.17721/2706-9699.2025.2.06.
  2. Khan A. I. CoroNet: A deep neural network for de- tection and diagnosis of COVID-19 from chest x- ray images / A. I. Khan, J. L. Shah, M. M. Bhat // Comput Methods Programs Biomed. — 2020. — No. 196. — 105581. — PMCID: PMC7274128. DOI: 10.1016/j.cmpb.2020.105581
  3. COVID-19 image data collection: Prospective predictions are the future / J. P. Cohen, P. Mor- rison, L. Dao, K. Roth, T. Duong, M. Ghassem // Journal of Machine Learning for Biomedical Imag- ing. — 2020. — No. 1. — P. 1–38. DOI: 10.59275/ j.melba.2020-48g7.
  4. Mooney P. Chest X-ray images (pneumonia) [Elec- tronic resource] / P. Mooney. — 2018. — Access mode: https://kaggle.com/datasets/paultimothy- mooney/chest-xray-pneumonia.
  5. COVID-19 Detection and Diagnosis Model on CT Scans Based on AI Techniques / M.-A. Zolya, C. Baltag, D.-V. Bratu, S. Coman, S.-A. Moraru // Bioengineering. — 2024. — No. 11 (1). — 79. DOI:https://doi.org/10.3390/bioengineering11010079.
  6. 6. Detection and classification of lung diseases for pneumonia and COVID-19 using machine and deep learning techniques / S. Goyal, R. Singh // Jour- nal of Ambient Intelligence and Humanized Com- puting. — 2023. — No. 14. — P. 3239–3259. DOI:https://doi.org/10.1007/s12652-021-03464-7.
  7. El Houby E. M. F. COVID-19 detection from chest X-ray images using transfer learning / E. M. F. El Houby // Scientific reports. — 2024. — No. 14 (1). — 11639. DOI: https://doi.org/10.1038/s41598-024-61693-0.
  8. Класифікація уражень легень при COVID-19 на основі текстурних ознак та згорткової нейронної мережі / О. Б. Давидько, А. О. Ладік, В. Б. Мак- сименко та ін. // Біомедична інженерія і техно- логія. — 2021. — No 6. — С. 19–28.
  9. Within the Lack of Chest COVID-19 X-ray Dataset: A Novel Detection Model Based on GAN and Deep Transfer Learning / M. Loey, F. Smarandache, N. E. Khalifa // Symmetry. — 2020. — No. 12 (4). — P. 651. DOI: 10.3390/sym12040651.
  10. Detecting SARS-CoV-2 in CT Scans Using Vision Transformer and Graph Neural Network / K. Amuda, A. Wakilim, T. Amoo et al. // Algorithms. — 2025. — No. 18 (7). — P. 413. DOI: 10.3390/a18070413.
  11. Diagnostic accuracy of X-ray versus CT in COVID-19: a propensity-matched database study / A. Borakati, A. Perera, J. Johnson, T. Sood // BMJ Open. — 2020. — No. 6;10 (11). — e042946. DOI: 10.1136/bmjopen-2020-042946.

Ліцензія
Авторське право (c) 2026 Журнал «Наука, технології, інновації»

Усі матеріали, опубліковані в поточному випуску журналу, поширюються на умовах ліцензії Creative Commons Attribution-NonCommercial 4.0 International (CC BY-NC 4.0): https://creativecommons.org/licenses/by-nc/4.0/deed.uk
Ліцензія дозволяє вільне некомерційне використання, поширення, відтворення та адаптацію матеріалів у будь-якому форматі за умови обов’язкового зазначення авторства і посилання на джерело публікації. Комерційне використання матеріалів допускається лише за наявності письмового дозволу видавця.