Intelegence diagnostic system of liver fibrosis stages

Abstract

The necessity of constructing an intelligent system for diagnosing stages of liver fibrosis is determined, for which the values of the parameters characterizing the functioning of the liver are determined. Magnetic resonance imaging is considered as the main medical equipment used for diagnosis. A structural diagram of the diagnostic system is developed, which includes a tomogram processing subsystem and a decision-making subsystem. As a basic element of the tomogram processing subsystem, a convolutional neural network (Residual Network) is used, the training of which is carried out using the Transfer Learning algorithm. As the parameter that determine the stage of liver fibrosis, the image texture is used. The decision support subsystem is built on the basis of fuzzy neural networks. Examples of the system when determining the stages of fibrosis are given.

Визначено необхідність побудови інтелектуальної системи діагностики стадій фіброзу печінки, для яких визначені значення параметрів що характеризують роботу печінки. В якості основного медичного обладнання, яке використовується для діагностики, розглядається магнітно-резонансна томографія. Розроблено структурну схему системи діагностики, яка включає підсистему обробки томограм і підсистема прийняття рішення. В якості базового елементу підсистеми обробки томограм використовується згорткова нейронна мережа, навчання якої проводиться за допомогою алгоритму Transfer Learning. Як параметри, що визначають стадію фіброзу печінки використовується текстура зображення. Підсистема підтримки прийняття рішення будується на основі нечекіх нейронних мереж. Наведено приклади роботи системи при визначенні стадій фіброзу.