|
-BOB. BITIRUV OLDI AMALIYOTI JARAYONIDA, BITIRUV ISHI UCHUN ISHLAB CHIQILGAN MASALALAR
|
| bet | 10/10 | | Sana | 15.05.2024 | | Hajmi | 1,33 Mb. | | #233983 |
Bog'liq Amaliyot hisoboti3-BOB. BITIRUV OLDI AMALIYOTI JARAYONIDA, BITIRUV ISHI UCHUN ISHLAB CHIQILGAN MASALALAR
3.1 Amaliy qism
CNNni ko‘krak qafasining rentgen tasvirlarida qo‘llaymiz. Maʼlumotlar toʻplami nomutanosib (taxminan 1:3), tasvirlar turli saytlarga ega boʻlishi va bitta yoki 3 ta rangli kanalga ega boʻlishi mumkin.
Boshida biz maʼlumotlarimizni juda oddiy va intuitiv tarzda qayta ishlaymiz (yuklash, oʻlchamini oʻzgartirish, kulrang rangga aylantirish, teglar yaratish). Model kulrang rangdagi tasvirlardan foydalanmoqda, chunki men uchun rentgen tasvirlarini rangli tasvirlar sifatida ishlatish juda mantiqiy emas edi.
Biz numpy, pandas, tensorflow, matplotlib va seaborn kabi standart kutubxonalaridan foydalanamiz. Glob va cv2 kabi ba’zi qo‘shimcha kutubxonalardan foydalaniladi.
3.1-rasm. Dastur kodidan namuna
Bizning ma’lumotlarimiz 3 ta papkadan iborat - train, test, val. Train va test modellashtirish uchun ishlatiladi, tekshirish modelning ishlashini tekshirish uchun ishlatiladi. Tasdiqlash to‘plamining hajmi juda kichik (16 ta holat). Shuningdek, biz har bir to‘plamdagi holatlar taqsimotini tasavvur qilishimiz uchun dataframelarni yaratamiz. Bunday katta ma’lumotlar to‘plami uchun yaxshi ishlamasligi mumkin, chunki xotirangiz tugaydi. flow_from_directory bilan ma’lumotlar generatoridan foydalanish mumkin, lekin u juda sekin.
3.2-rasm. Ma’lumotlar to‘plamlarimiz qanday muvozanatlanganligi
3.3-rasm. Bir nechta namunalar
3.4-rasm. Train to‘plamdagi yo‘qotish va test ma’lumotlari evolyutsiyasi
Xulosa qilib aytadigan bo‘lsak, sun’iy intellekt (AI) usullaridan foydalangan holda rentgen tasvirlaridan batafsil 3D modellarni yaratish jarayoni tasvirni olish va segmentatsiyadan tortib hajmli rekonstruksiya qilishgacha bo‘lgan bir qator murakkab bosqichlarni o‘z ichiga oladi. Ushbu innovatsion yondashuv tibbiy tasvirlash sohasida katta va’da beradi va diagnostika, davolashni rejalashtirish va tadqiqotlar uchun o‘zgartiruvchi ta’sirga ega.
Sun’iy intellekt va tibbiy tasvirlashning konvergentsiyasi rentgen ma’lumotlarini interaktiv, anatomik jihatdan aniq 3D modellarga aylantirish imkonini beradi, bu sog‘liqni saqlash provayderlariga shaxsiylashtirilgan tibbiyot va bemorlarni parvarish qilish uchun yangi vositalar bilan ta’minlaydi. Ushbu sohadagi tadqiqotlar davom etar ekan, biz sog‘liqni saqlashda 3D modellashtirish texnologiyalarining imkoniyatlari va ulardan foydalanish imkoniyatini oshiradigan keyingi yutuqlarni kutmoqdamiz.
Foydalanilgan adabiyotlar
"Deep Learning for Medical Image Analysis" S. Kevin Zhou
"Medical Image Analysis" Atam P. Dhawan
www.wikipedia.com
www.kaggle.com
www.f-chain.com
|
| |
