AMEA İnformasiya Texnologiyaları İnstitutunda 15 saylı şöbənin “Konvensional neyron şəbəkəsinin tibbi təsvirlərin tanınmasına tətbiqi” mövzusuna həsr olunmuş onlayn elmi seminarı keçirildi.
Məruzəni təqdim edən şöbənin əməkdaşı Lalə Qarayeva öncə tibbi təsvirlərin təhlili haqqında danışdı. Bildirdi ki, tibbdə kompüterin geniş tətbiq olunan istiqamətlərindən biri qrafik informasiya ilə işdir. Bu istiqamət tibbi təsvirlərin analizi adlanan tibbi informatikanın xüsusi bölməsində öyrənilir: “Tibbi təsvir insan orqanlarının vizual obrazıdır, xəstə orqanın strukturu və funksiyası haqqında vizual məlumat verən vasitədir. Tibbi təsvirlər kompüter tomoqrafiyası (CT), maqnit rezonans tomoqrafiya (MRT), pozitron emissiya tomoqrafiyası (PET), ultrasəs və rentgen kimi üsullarla əldə edilir. Tibbi təsvirin analizi, toxuma hüceyrələri və ya xərçəngin aşkarlanması, təsnifatı və seqmentləşdirilməsi maşın təliminə əsaslanan Computer-aided design (CADx) (kompüter əsaslı layihələndirmə) tətbiqlərində mühüm rol oynayır.
Sonra L.Qarayeva tibbi təsvirlərin təsnifatı, tibbi təsvirdə seqmentləşdirmə və aşkarlanmadan bəhs etdi. O vurğuladı ki, tibbi təsvirlərin təsnifatı dedikdə təsviri izah etmək üçün xəstəliyin ağırlıq dərəcələrinin təyin olunması, daha sonra isə göstərilən məsələlərin həll olunması nəzərdə tutulur. Tibbi təsvirdə seqmentləşdirmə orqanların təsvirlərini seqmentlərə bölür və alınmış dəqiq məlumatlar əsasında orqanların nisbi mövqeyini əvvəlki təsvirlə yeni təsvir arasındakı aşkarlanmasını təmin edir. Tibbi təsvirlərdə aşkarlanma müəyyən bir xəstəlik növünün, məsələn, şişin müəyyənləşdirilməsi deməkdir.
Tədqiqatçı CADx, yəni avtomatlaşdırılmış layihələndirmə sistemi barədə də məlumat verdi. Diqqətə çatdırdı ki, kompüter dəstəkli avtomatlaşdırılmış tanınma (CADe) və ya kompüter dəstəkli avtomatlaşdırılmış diaqnoz (CADx) sistemi rentgenoloqda və klinik praktikantlar üçün tibbi təsvirlərin şərhində kömək edən radiologiyada istifadə olunur. Diqqətə çatdırdı ki, Kompüter dəstəkli diaqnoz (CADx) sistemi əsasən maşın təlimi, kompüter görməsi və tibbi təsvirin emalı funksiyalarına əsaslanır. Bu kompüter dəstəkli tanınma (CADe) sistemi hasil etdiyi bölgü haqqında ətraflı məlumat topladıqdan sonra qərarların qəbulu zamanı insan fəaliyyətini qabaqlayaraq diaqnoz təqdim edə bilər.
Sonra o, tibbi təsvirlərin emalından danışdı. Qeyd etdi ki, öncə görüntülərin arxivləşməsi və ötürülməsi sistəmi PACS (Picture Archiving and Communication Systems) tibbi görüntülərin böyük kolleksiyalarını toplayır. Xəstəxanalar və radiologiya şöbələri çox sayda tibbi təsvir istehsal edir və nəticədə böyük tibbi təsvir bazaları yaradılır: “DICOM (Digital Imaging and Communications in Medicine) tibbi təsvirlərin saxlanması, mübadiləsi və ötürülməsi üçün dünya miqyasında istifadə olunur və bir çox istehsalçının tibbi təsvir cihazlarının inteqrasiyasına imkan verir”,
Məruzəçi dərin təlim haqqında ümumi məlumat verərək bildirdi ki, dərin təlim süni neyron şəbəkələrə əsaslanan maşın təlim metodlarından biridir. İlk dəfə 1958-ci ildə F.Rozenblatt tərəfindən birlaylı perseptron kimi təklif olunmuşdur. 1980-ci ildə isə Kunihiko Fukushima tərəfindən çoxqatlı süni neyron şəbəkəsi olan neokoqnitron modeli kimi inkişaf etdirilmişdir.
L.Qarayeva tibbi təsvirlərin analizi üçün dərin təlimin tətbiqindən də söhbət açdı. Vurğuladı ki, xəstəliklərin anatomiyasını və fiziologiyasını avtomatik olaraq aşkarlamaq və xəstəliyin yayılma dərəcəsini təyin etmək məqsədi ilə dərin təlim metodları tibbi təsvirlərin analizində istifadə edilir.
Daha sonra tədqiqatçı konvensional neyron şəbəkə təkamülündən danışdı. Qeyd etdi ki, “AlexNet” şəbəkəsi dərin konvensional neyron şəbəkəsi vasitəsi ilə təsvirlərin təsnifləndirilməsi və 2012-ci ildə İmageNet (Large Scale Visual Recognition Challenge) qalibi olmuşdur. “VGGNet” sadə şəbəkə modeli olaraq əvvəlki modellərdən əsas fərqi konvensional təbəqələrin 2 və ya 3 dəfə istifadə edilməsidir. “GoogleNet” şəbəkəsi də 2014-cü ildə “İmageNet” qalibi olmuşdur.
Konvensional neyron şəbəkəsi əsasında tibbi təsvirlərin analizindən söz açan L.Qarayevanın sözlərinə görə, tibbi təsvirlərin emalında təsvirin təsnifatı, tanınması və seqmentasiyası vacib mərhələlərdir. Tibbi təsvirin təsnifatı prosesində dərin təlim modeli olan CNN-si təsvirləri iki və ya daha çox sinfə təsnif etmək üçün istifadə olunur. Tibbi təsvirin tanınması prosesində dərin təlim modeli olan CNN-si tibbi təsvirdəki şişləri və orqanları təyin etmə funksiyasına malikdir.
“Təsnifat üçün “AlexNet” arxitekturası ən yaxşı nəticələr göstərib. Tibbi təsvirin seqmentləşdirilməsi üçün dərin öyrənmə alqoritminə malik olan CNN geniş şəkildə istifadə edilib və tibbi təsvirdə dərin öyrənmənin gedişatını sənədləşdirən bir neçə məqalə dərc edilib”, - deyə o, əlavə etdi.
Məruzə ətrafında fikir mübadiləsi aparıldı, suallar cavablandırıldı.
Şöbə müdiri, AMEA-nın müxbir üzvü, texnika elmləri doktoru Məsumə Məmmədova çıxış edərək konvensional neyron şəbəkəsinin tibbi təsvirlərin tanınmasında tətbiqinə dair tədqiqatların davam etdirilməsi ilə bağlı tövsiyələrini verdi, bu istiqamətdə beynəlxalq təcrübənin araşdırılmasının vacibliyini vurğuladı.
© Bütün hüquqlar qorunur. Xəbərlərdən istifadə edərkən www.ict.az saytına istinad zəruridir.
