Тип публикации: доклад, тезисы доклада, статья из сборника материалов конференций
Конференция: ИТ. Наука. Креатив; Омск; Омск
Год издания: 2025
Ключевые слова: методы машинного обучения, глубокое обучение, нейронные сети, метод опорных векторов, классификация, медицинская диагностика, переломы костей, machine learning methods, deep learning, neural networks, support vector method, classification, medical diagnosis, bone fractures
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 врПоказать полностьюеменных 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.
Журнал: ИТ. Наука. Креатив
Номера страниц: 358-367
Место издания: Омск