Библиографическое описание:Применение методов машинного обучения для диагностики переломов костей по рентгенограммам : доклад, тезисы доклада / И. С. Лихачев, Е. Е. Голденок, Н. А. Лукьянова. - [Б. м. : б. и.], 2025. - Текст : непосредственный // ИТ. Наука. Креатив : Материалы II Международного форума. В 5-ти томах / ИТ. Наука. Креатив (2025 ; 13.05 - 15.05 ; Омск). - Омск, 2025. - С. 358-367. - ISBN 9785814939951.
Аннотация:Рассмотрены три модели машинного обучения для обнаружения наличия или отсутствия переломов костей на рентгенограммах: модель на основе метода опорных векторов, модифицированная нейронная сеть AlexNet и MobileNetV2. Модель на основе метода опорных векторов показала достаточно хороший результат бинарной классификации при небольших временных затратах, метрики качества модели: accuracy - 94,85%, F1-score - 95%. Обе нейросети по сравнению с методом опорных векторов показали лучшие результаты. Наибольший прирост точности показала AlexNet на сложных случаях, метрики качества модели: accuracy - 99,25%, F1-score - 99,3%, но при значительных временных затратах. Однако, долгое время работы модели AlexNet не умаляет значимости ее диагностических возможностей для сложных случаев. Модель MobileNetV2, обладая меньшей вычислительной сложностью, обеспечила баланс между точностью и скоростью работы, что делает её более приемлемой для первичного скрининга рентгенограмм переломов костей.
Three machine learning models for detecting the presence or absence of bone fractures on X-ray images are considered: a model based on the support vector method, a modified neural network AlexNet and MobileNetV2. The model based on the support vector method showed a reasonably good binary classification result at low time cost, model quality metrics: accuracy - 94,85%, F1-score - 95%. Both neural networks showed better results compared to the support vector method. AlexNet showed the greatest increase in accuracy on complex cases, model quality metrics: accuracy - 99,25%, F1-score - 99,3%, but at a significant time cost. However, the AlexNet long run time does not diminish the importance of its diagnostic capabilities for complex cases. The MobileNetV2 model, with less computational complexity, strikes a balance between accuracy and speed, making it more suitable for primary screening of fractures on X-ray images.
