Comparative analysis of deep neural networks and hierarchical approach for diagnosis of osteoporosis
Artykuł w czasopiśmie
MNiSW
5
spoza listy
| Status: | |
| Warianty tytułu: |
ОСТЕОПОРОЗДЫ ДИАГНОСТИКАЛАУДАТЕРЕҢ НЕЙРОНДЫҚ ЖЕЛІЛЕРДІ ЖӘНЕ ИЕРАРХИЯЛЫҚ ТӘСІЛДІ САЛЫСТЫРМАЛЫ ТАЛДАУ
СРАВНИТЕЛЬНЫЙ АНАЛИЗ ГЛУБОКИХ НЕЙРОННЫХ СЕТЕЙ И ИЕРАРХИЧЕСКОГО ПОДХОДА ДЛЯ ДИАГНОСТИКИ ОСТЕОПОРОЗА
|
| Autorzy: | Nurekenova Arailym, Kumargazhanova Saule, Smailova Saule, Dzierżak Róża, Nursadykova Roza |
| Dyscypliny: | |
| Aby zobaczyć szczegóły należy się zalogować. | |
| Rok wydania: | 2026 |
| Wersja dokumentu: | Drukowana | Elektroniczna |
| Język: | angielski | rosyjski | kazachski |
| Numer czasopisma: | 2 |
| Wolumen/Tom: | 1 |
| Strony: | 120 - 139 |
| Efekt badań statutowych | NIE |
| Materiał konferencyjny: | NIE |
| Publikacja OA: | TAK |
| Licencja: | |
| Sposób udostępnienia: | Witryna wydawcy |
| Wersja tekstu: | Ostateczna wersja opublikowana |
| Czas opublikowania: | W momencie opublikowania |
| Data opublikowania w OA: | 30 czerwca 2026 |
| Abstrakty: | kazachski | rosyjski | angielski |
| Бұл жұмыста терең оқыту әдістерін қолдана отырып, тізе буынының рентгенографиясы бойынша остеопорозды диагностикалау міндеті ұсынылған. Бұл зерттеудің мақсаты медициналық кескіндерді үш негізгі классқа жіктеу үшін әртүрлі конволюциялық нейрондық желілердің тиімділігін талдау болып табылады: норма, остеопения және остеопороз.Сыналған модельдер ретіндеVGG16, ResNet50, EfficientNet-B0, YOLOv8-cls архитектуралары пайдаланылды. Кезеңдік жіктеуге негізделген иерархиялық тәсіл де қолданылады. Бұл модельдер 293 сынақ кескіні бар бірыңғай деректер жиынтығында оқытылды және бағаланды. Бұл осы салыстырмалы талдаудың дұрыстығын қамтамасыз етті. Accuracy, precision, recall және F1-score көрсеткіштері жіктеу сапасын бағалау үшін қолданылды және қате матрицаларын талдау жүргізілді.Осы эксперименттердің нәтижелері ResNet50 моделі дәлдік пен тұрақтылықтың ең жақсы арақатынасын көрсетіп, 82.3% дәлдікке қол жеткізгенін көрсетті. Бірақ белгілері бойынша ұқсас екі сынып арасында шатасулар болды. Иерархиялық тәсіл остеопения мен остеопорозарасындағы кластарарасындағы шатасуды азайтуға мүмкіндік берді. Бірақ жіктеудің жалпы дәлдігінің төмендеуіне әкелді. Эксперименттердің нәтижесі остеопорозды диагностикалау үшін кон-волюциялық нейрондық желілерді қолданудың тиімділігін растайды. | |
| В данной работе представлена задача диагностики остеопороза по рентген изображениям коленного сустава с использованием методов глубокого обучения. Целью данного исследования является анализ эффективности различных сверточных нейронных сетей для классификации медицинских изображений на три главных класса: норма, остеопения и остеопороз.Архитектуры VGG16, ResNet50, EfficientNet-B0, YOLOv8-clsбыли использованы в качестве тестируемых моделей. Так же применениерар-хический подход, основанный на поэтапной классификации. Данные модели обучались и оценивались на едином наборе данных, в котором 293 тестовых изображения. Это обеспечило корректность данного сравнительного анализа. Метрики accuracy, precision, recallи F1-scoreприменялись для оценки качества классификации и проведен анализ матриц ошибок.Результаты данных экспериментов показали, что модель ResNet50 показала наилучшее соотношение точности и устойчивости, достигнув точности 82.3%. В то же время наблюдалась повышенная степень ошибочной классификации между двумя классами с близкими по характеристикам признаками. Иерархический подход позволил снизить межклассовую путаницу между остеопенией и остеопорозом. Однакопривёл к снижению общей точности классификации. Результат экспериментов подтверждают эффективность применения сверточных нейронных сетей для диагностики остеопороза. | |
| This work provides the task of diagnosing osteoporosis using X-ray images of the knee joint using deep learning methods. The purpose of this study is to analyze the effectiveness of various convolutional neural networks for classifying medical images into three main classes.: norm, osteopenia and osteoporosis.The VGG16, ResNet50, EfficientNet-B0, and YOLOv8-cls architectures were used as test models. A hierarchical approach based on step-by-step classification is also applied. These models were trained and evaluated on a single dataset containing 293 test images. This ensured the correctness of this comparative analysis. The accuracy, precision, recall, and F1-score metrics were used to evaluate classification quality and error matrices were analyzed.The results of these experiments showed that the ResNet50 model showed the best ratio of accuracy and stability, reaching an accuracy of 82.3%. But there was confusion between the two classes with similar characteristics. The hierarchical approach has reduced the inter-class confusion between osteopenia and osteoporosis. But it led to a decrease in the overall classification accuracy. The experimental results confirm the effectiveness of using convolutional neural networks for the diagnosis of osteoporosis. |
