СРАВНИТЕЛЬНЫЙ АНАЛИЗ ГЛУБОКИХ НЕЙРОННЫХ СЕТЕЙ И ИЕРАРХИЧЕСКОГО ПОДХОДА ДЛЯ ДИАГНОСТИКИ ОСТЕОПОРОЗА

Аннотация

В данной работе представлена задача диагностики остеопороза по рентген изображениям коленного сустава с использованием методов глубокого обучения. Целью данного исследования является анализ эффективности различных сверточных нейронных сетей для классификации медицинских изображений на три главных класса: норма, остеопения и остеопороз.

Архитектуры VGG16, ResNet50, EfficientNet-B0, YOLOv8-cls были использованы в качестве тестируемых моделей. Так же применен иерархический подход, основанный на поэтапной классификации. Данные модели обучались и оценивались на едином наборе данных, в котором 293 тестовых изображения. Это обеспечило корректность данного сравнительного анализа. Метрики accuracy, precision, recall и F1-score применялись для оценки качества классификации и проведен анализ матриц ошибок.

Результаты данных экспериментов показали, что модель ResNet50 показала наилучшее соотношение точности и устойчивости, достигнув точности 82.3%. В то же время наблюдалась повышенная степень ошибочной классификации между двумя классами с близкими по характеристикам признаками. Иерархический подход позволил снизить межклассовую путаницу между остеопенией и остеопорозом. Однако привёл к снижению общей точности классификации. Результат экспериментов подтверждают эффективность применения сверточных нейронных сетей для диагностики остеопороза.