Medical image classification using convolution neural networks

Abstract

Темой данной работы является классификация рентген снимков груди на различные типы патологий. В данной работе проведён анализ различных наборов медицинских снимков для выявления общей специфики такого рода данных. Рассмотрены различные подходы учитывающие специфику наборов медицинских данных. Так же были предложены и реализованы модели с механизмом внимания к областям предполагаемых патологий на снимке. Данные модели были объединены в ансамбль. В результате предложенный подход смог улучшить качество классификации относительно результата популярных моделей свёрточных сетей. Так же предложенный метод позволяет экономить вычислительные ресурсы, за счёт возможности анализа небольших частей изображения.

The topic of this work is the classification of chest x-rays into various types of pathologies. In this paper, we analyze various sets of medical images to identify the general specifics of this kind of data. Various approaches are considered, taking into account the specifics of medical data sets. Models with the mechanism of attention to the areas of suspected pathologies in the picture were also proposed and implemented. These models were combined into an ensemble. As a result, the proposed approach was able to improve the quality of classification relative to the result of popular convolutional network models. Also, the proposed method allows you to save computing resources, due to the ability to analyze small parts of the image.