ИНТЕЛЛЕКТУАЛЬНАЯ СИСТЕМА ВЫЯВЛЕНИЯ ПЕРЕЛОМОВ ПЛЕЧЕВОГО СУСТАВА НА РЕНТГЕНОГРАФИЧЕСКИХ ИЗОБРАЖЕНИЯХ С ИСПОЛЬЗОВАНИЕМ ГЛУБОКОГО ОБУЧЕНИЯ

Mualliflar

  • Утеулиев Ниетбай Утеулиевич

    Нукусский государственный технический университет

  • Джайков Гафур Муратбаевич

    Нукусский государственный технический университет

  • Артыкбаев Жавлонбек Зиятбаевич

    Нукусский государственный технический университет

  • Сагидуллаев Нурсултан Ибадуллаевич

    Tashkent University of Information Technology image/svg+xml

Калит сўзлар: чуқур ўрганиш, EfficientNet, рентген тасвирлари, синишлар, MURA, классификация

Аннотация

Ушбу мақолада EfficientNet-B0 асосида ёлка бўғими синишларини аниқловчи модель ишлаб чиқилади. Модель MURA (XR_SHOULDER) маълумотлар тўпламида ўқитилди. Натижада тахминан 80% аниқликга эришилди ва усул самарадорлиги тасдиқланди.

Фойдаланилган адабиётлар

1. Chung S. W. et al. Automated detection and classification of the proximal humerus fracture by using deep learning algorithm. // Acta orthopaedica. Т. 89, №4, 2018. – С. 468-473.

2. Sperling Jr J. W. et al. A deep learning algorithm to detect proximal humerus fractures on radiographs. // JSES Reviews, Reports and Techniques, 2025.

3. Lundervold A.S., Lundervold A. An overview of deep learning in medical imaging focusing on MRI and X-ray. // Zeitschrift für Medizinische Physik. Vol. 29, №2, 2019. – P. 102-127.

4. Esteva A. et al. A guide to deep learning in healthcare. // Nature medicine. Т. 25, №1, 2019. – С. 24-29.

5. Tan M., Le Q. Efficientnet: Rethinking model scaling for convolutional neural networks. // International conference on machine learning. PMLR, 2019. – С. 6105-6114.

6. Zech J.R. et al. Variable generalization performance of a deep learning model to detect pneumonia in chest radiographs: a cross-sectional study. // PLoS medicine. Т. 15, №11, 2018. – С. e1002683.