Молодежь и наука - третье тысячелетие: Материалы студенческой научно-практической конференции с международным участием

95 П. А. Рудакова Физико-математический факультет, II курс магистратуры (очная форма обучения) Научный руководитель – И. Н. Балаба КЛАССИФИКАЦИЯ ИЗОБРАЖЕНИЙ МРТ ГОЛОВНОГО МОЗГА С ПОМОЩЬЮ СВЕРТОЧНЫХ НЕЙРОННЫХ СЕТЕЙ Классификация изображений МРТ головного мозга является важной зада- чей в области медицинской диагностики. С помощью сверточных нейронных сетей можно автоматизировать этот процесс, что позволит сократить время анализа и улучшить точность диагностики. Сверточные нейронные сети (CNN) являются эффективным инструментом в области обработки изображений и видео. Они применяются во многих зада- чах классификации, распознавания объектов, анализа текстур и других сферах, где изображения играют важную роль. CNN имеют ряд преимуществ по срав- нению с традиционными методами обработки изображений, такими как гисто- грамма ориентированных градиентов и метод главных компонент:  сверточные нейронные сети автоматически извлекают признаки из изоб- ражений, что позволяет избежать необходимости вручную определять признаки для каждого изображения и значительно уменьшает затраты на обучение и по- вышает точность классификации [1];  CNN обладают свойством инвариантности к трансформациям изображе- ния, таким как повороты и масштабирование, что позволяет получать высокую точность классификации, даже если изображения были изменены [2];  CNN могут обрабатывать изображения больших размеров и производить классификацию в режиме реального времени, что позволяет использовать их в системах автоматического управления и компьютерном зрении [3]. Сверточные нейронные сети представляют собой мощный инструмент для классификации МРТ изображений головного мозга. Они позволяют автоматиче- ски извлекать признаки из изображений и обеспечивать высокую точность клас- сификации, что делает их эффективным средством в медицинской диагностике. В нашей задаче классификации МРТ изображений головного мозга CNN была использована для автоматического выделения признаков из изображений, таких как форма и текстура, которые могут помочь определить наличие или от- сутствие патологии. Кроме того, CNN могут быть использованы для распозна- вания различных типов патологий, таких как опухоли, инсульты и другие нарушения нервной системы. Для классификации МРТ изображений головного мозга использовалась предварительно обученная сверточная нейронная сеть, которая была обучена на наборе данных Brain Tumor Classification (MRI) (URL: https://www.kaggle.com/datasets/sartajbhuvaji/brain-tumor-classification-mri ) . Этот набор данных разделен на тренировочные изображения и изображения для тестирования.