Intellectual system of preparation of images from computer tomographs

Abstract

Artificial neural networks can be trained on useful signals of the source data, but can not be taught on noisy data, so it is usually performed noise reduction or error compensation. This paper implements a noise reduction model based on artificial neural networks to suppress high-noise components, which is important for optimizing pre-filtering methods. The process of cleaning computers’ tomography scans in medical examinations of patients with tuberculosis is considered as an given problem in which the suppression of noise present in the image is required.. In order to reduce the level of radiation due to it is quite harmful to human. the power of the radiation is reduced. As a result, the ratio of the useful signal to noise is reduced, which causes noise, which contaminates the image and complicates its processing. Additional shadows appears on the image that no objects exist, which can provide false diagnosis. An algorithm for structural-parametric synthesis of convolutional neural networks used in image noise suppression has been developed. Computer tomograms of tuberculosis patients provided by the Research Institute of Pulmonology and Tuberculosis of the National Academy of Medical Sciences of Ukraine were used as a training sample.

Штучні нейронні мережі можна навчати на корисних сигналах вихідних даних, але не можна навчати на зашумлених даних, тому зазвичай виконується шумоподавлення сигналів або компенсація помилок. У цій роботі реалізується модель шумоподавлення на основі штучних нейронних мереж для придушення компонентів з високим рівнем шуму, що важливо для оптимізації методів попередньої фільтрації. Як прикладне завдання, в якому потрібно придушення шумів, присутніх на зображенні, розглядається процес обробки сканів комп'ютерного томографа при медичних дослідженнях пацієнтів, які хворі на туберкульоз. У комп'ютерних томографах як випромінювання використовуються рентгенівські промені, що досить шкідливим для людини. Тому з метою зниження рівня опромінення потужність випромінювання знижують, В результаті знижується відношення корисного сигналу шум, що викликає появу шумів, які забруднюють зображення і ускладнюють його обробку. На зображенні з'являються додаткові тіні, що не існують об'єкти, що може призвести до постановки помилкового діагнозу. У роботі надано детальний опис роботи комп'ютерних томографів. Наведено опис топології згорткових нейронних мереж, що використовуються для обробки зображень. Розроблено алгоритм структурно-параметричного синтезу згорткових нейронних мереж, що використовуються при придушенні шумів зображень. Як навчальну вибірку були використані томограми хворих на туберкульоз, наданих Науково-дослідним інститутом пульмонології та фтизіатрії Національної академії медичних наук України.