Detekce poruch v rentgenových snímcích pomocí neuronových sítí

Abstract

Současný přístup k diagnostice a hodnocení poškození kloubů reumatoidní artritidou je vizuální inspekce rentgenových snímků radiologem, která je obecně drahá, časově náročná a subjektivní. Automatické hodnotící systémy jsou jedním ze spůsobů tyto problémy překonat a zavést do radiologických zpráv více objektivity spolu s rychlejším vyčíslením škody. Možnost vytvoření takového systému bude ukázána na příkladu účasti v RA2 DREAM Challenge. V rámci soutěže na základě několika moderních architektur konvolučních neuronových sítí bude vyvinut systém, který později bude ohodnocen na vypočetním clusteru Cheaha University of Alabama at Birmingham.

The current approach to the diagnosis and quantification of the joint damage caused by rheumathoid arthritis is a manual radiographic image inspection by a radiologist, which is generally expensive, time-consuming and subjective. Automated assessment systems are a way to overcome this problems and introduce more objectivity into radiology reports, coupled with a faster damage quantifying. The possibility of such a system development will be shown on the example of a participation in RA2 DREAM Challenge. As a part of the competition, the system utilizing several state-of-art convolutional neural net architectures will be developed and scored on the University of Alabama at Birmingham Cheaha supercomputing system.