Разработка Web-приложения для распознавания пневмонии у пациента по рентгеновским снимкам

Целью выпускной квалификационной работы является создание web- приложения, в котором будут реализованы две модели CNN.

Проблема определения данной пневмонии рассматривалась ранее, существует несколько программ обучения нейронной сети в интернете, но все они имеют недочеты. Во-первых, максимальная точность обучения равняется 90,2%. По меркам машинного обучения это хорошее значение, но не является идеальным, так как вероятность допустить критическую ошибку существует и ее необходимо свести к минимуму. Необходимо добиться большей точности, а также создать еще одну дополнительную модель CNN, обученной по другой выборке с другими параметрами. Работа в совокупности двух моделей должна привести к правильному определению прогноза и исключить проблему не выявлений болезни. Во-вторых, нет приложений, распознающих пневмонию. Необходимо создать простой и понятный интерфейс для того, чтобы любой не разбирающийся в программировании пользователь мог загрузить снимки и получить результат. Наиболее подходящим для данной задачи является создание Web- приложения. В данной работе сайт будет работать на локальном сервере.

Для достижения цели были поставлены следующие задачи:

· Изучить работу нейронных сетей;

· Для языка программирования Python изучить следующие библиотеки: Tensorflow, Keras, Flask;

· Подготовить данные для обучения;

· Создать две модели нейронной сети, обучить их по разным наборам данных;

· Реализовать Web – приложение, подключить обученные модели;

· Протестировать программу на реальных изображениях.

Бакалаврская работа состоит из введения, пяти основных глав, заключения, списка используемой литературы и приложения.

В первой главе рассматриваются нейронные сети, классификация и дискриминация, особенности сверточной нейронной сети.

Во второй главе подробно описан процесс подготовки данных для обучения моделей.

В третьей главе рассматриваются особенности обучения CNN, показана поэтапная реализация двух моделей, анализ их прогнозирования.

В четвертой главе представлена реализация Web – приложения.

В пятой главе показано как работает приложение, подробно описан процесс обучения, функционал сайта.

В заключении подводятся итоги проделанной работы.

ВВЕДЕНИЕ..................................................................................................... 3

Раздел 1. Нейронные сети............................................................................... 6

1.1. Архитектура и модель нейронных сетей.............................................. 7

1.2. Классификация и дискриминация......................................................... 8

1.3. Сверточная нейронная сеть................................................................. 10

Раздел 2. Подготовка данных....................................................................... 15

Раздел 3.Создание модели с помощью библиотеки Keras.......................... 18

3.1. Процесс обучения модели................................................................... 21

3.1.1. Модель с двумя классами........................................................... 21

3.1.2. Модель с тремя классами........................................................... 27

3.2. Анализ работы моделей...................................................................... 33

Раздел 4. Создание Web-приложения.......................................................... 36

4.1. Разработка frond-end части web-приложения.................................... 36

4.2. Разработка back-end части web-приложения...................................... 37

Раздел 5. Работа программы........................................................................ 42

5.1. Процесс обучения................................................................................ 42

5.2. Запуск web-приложения...................................................................... 43

ЗАКЛЮЧЕНИЕ............................................................................................. 48

СПИСОК ЛИТЕРАТУРЫ............................................................................. 53

ПРИЛОЖЕНИЕ............................................................................................. 55