Метод діагностування випадків пневмонії на основі компонентної структури моделі та алгоритмів глибокого навчання

Автор(и)

DOI:

https://doi.org/10.24144/2616-7700.2026.48(1).127-136

Ключові слова:

пневмонія, діагностування, рентгенівські знімки, згорткові нейронні мережі, глибоке навчання, обробка медичних зображень, аугментація даних

Анотація

У статтi розглянуто задачу автоматизованого виявлення пневмонiї на рентгенiвських знiмках грудної клiтини. Проведено аналiз iснуючих пiдходiв на основi глибокого навчання та Transfer Learning. Виявлено, що класичнi глибокi мережi (ResNet, VGG) часто є надлишковими для задач бiнарної класифiкацiї з обмеженою варiативнiстю класiв. Запропоновано метод, в основi якого лежить модифiкована архiтектура згорткової нейронної мережi (CNN) з компонентною структурою, деталiзованою в роботi, резидуальними з’єднаннями блокiв та оптимiзованою кiлькiстю шарiв. Окремо представлено етап попередньої обробки даних, розширений аугментацiєю для усунення дисбалансу класiв. Наведено результати проведеного експериментального дослiдження на вiдкритому наборi даних. Досягнуто для результуючої моделi показникiв точностi 98.41% та чутливостi 98.29%, що пiдтверджує ефективнiсть запропонованого методу порiвняно з базовими архiтектурами моделей.

Спонсор дослідження

  • Дослiдження здiйснено в рамках кафедральної науково-дослiдної роботи «Iнформацiйнi технологiї iнтелектуального комп’ютингу» (державний реєстрацiйний номер 0124U004188)

Біографії авторів

Д. О. Камінський, Національний університет «Запорізька політехніка»

Студент магiстратури групи КНТ-214м

В. М. Льовкін, Національний університет «Запорізька політехніка»

Доцент кафедри програмних засобiв. Кандидат технiчних наук, доцент

Посилання

  1. World Pneumonia Day. Retrieved from: https://stoppneumonia.org/latest/world-pneumonia-day-2023
  2. Vazralu, M., & Madiajagan, M. (2025). Multiclass Classification of Chest X-rays based Pulmonary Disorder Using a Specialized VGG-19 Deep Neural Network. Journal of Innovative Image Processing, 7(4), 1153–1167. https://doi.org/10.36548/jiip.2025.4.004
  3. Nishio, M., Kobayashi, D., Nishioka, E., Matsuo, H., Urase, Y., Onoue, K., Ishikura, R., Kitamura, Y., Sakai, E., Tomita, M., Hamanaka, A., & Murakami, T. (2022). Deep learning model for the automatic classification of COVID-19 pneumonia, non-COVID-19 pneumonia, and the healthy: a multi-center retrospective study. Scientific Reports, 12, 8214. https://doi.org/10.1038/s41598-022-11990-3
  4. Bhuvanya, R., Vanitha, V., & Iqbal, M. (2025). A hybrid deep learning approach using XceptionNet and vision transformer for accurate chest disease detection from X-ray images. Biomedical Signal Processing and Control, 110, 108118. https://doi.org/10.1016/j.bspc.2025.108118
  5. Lasker, A., Ghosh, Mr., Sk, M., Goncalves, T., Chakraborty, C., & Roy, K. (2026). LungConVT-Net: A visual transformer network with blended features for Pneumonia detection. Pattern Recognition, 171, 112150. https://doi.org/10.1016/j.patcog.2025.112150
  6. Jareanpon, C., Srapsooksri, W., Jarunpen, S., Chamchong, R., & Kiatjindarat, W. (2025). The Preprocessing Combination for Pneumonia Classification from Chest X-Ray Images System Using Convolutional Neural Networks. ICIC Express Letters. Part B: Applications, 16(12), 1321–1330. https://doi.org/10.24507/icicelb.16.12.1321
  7. Kermany, D., Goldbaum, M., Cai, W., Valentim, C., Liang, H., Baxter, S., McKeown, A., Yang, G., Wu, X., Yan, F., Dong, J., Prasadha, M., Pei, J., Ting, M., Zhu, J., Li, C., Hewett, S., Dong, J., Ziyar, I., Shi, A., & Zhang, K. (2018). Identifying Medical Diagnoses and Treatable Diseases by Image-Based Deep Learning. Cell, 172(5), 1122–1131. https://doi.org/10.1016/j.cell.2018.02.010
  8. Rahman, T., Chowdhury M., Khandakar, A., Islam, K. R., Islam, K. F., Mahbub, Z., Kadir, M., & Kashem, S. (2020). Transfer Learning with Deep Convolutional Neural Network (CNN) for Pneumonia Detection Using Chest X-ray. Applied Sciences, 10(9), 3233. https://doi.org/10.3390/app10093233
  9. Tripathy, B., Khan, S., Bebortta, S., Kamal, A., Tripathy, S., Fazil, M., & Albarrak, A. (2025). TL-PneuNet: a transfer learning-based pneumonia classification framework. Sci Rep, 15, 40307. https://doi.org/10.1038/s41598-025-24180-8
  10. Katreddi, S., Midatani, A., Roy, A., Velpuri, U., & Kasani, S. (2025). Pediatric pneumonia X-ray image classification: predictive model development with DenseNet-169 transfer learning. Journal of Medical Artificial Intelligence, 8. https://doi.org/10.21037/jmai-24-356
  11. Mooney, P. Chest X-Ray Images (Pneumonia). Retrieved from: https://www.kaggle.com/datasets/paultimothymooney/chest-xray-pneumonia

##submission.downloads##

Опубліковано

2026-01-29

Як цитувати

Камінський, Д. О., & Льовкін, В. М. (2026). Метод діагностування випадків пневмонії на основі компонентної структури моделі та алгоритмів глибокого навчання. Науковий вісник Ужгородського університету. Серія «Математика і інформатика», 48(1), 127–136. https://doi.org/10.24144/2616-7700.2026.48(1).127-136

Номер

Розділ

Iнформатика, комп’ютернi науки та прикладна математика