Выявление рака костей с помощью модели машинного обучения на основе извлечения признаков

Рак костей представляет собой серьёзную проблему здравоохранения и во многих случаях приводит к смерти пациентов. Для выявления рака костей врачи используют рентгенографию, магнитно-резонансную и компьютерную томографию. Ручной анализ изображений занимает много времени и требует специальной квалификации. Поэтому необходимо разработать автоматизированную систему для классификации и выявления поражённой опухолью и здоровой костной ткани. Текстура поражённой кости в области патологического процесса отличается от текстуры здоровой кости. Однако в наборе данных некоторые изображения поражённых и здоровых костей имеют сходные морфологические признаки, что затрудняет их классификацию. Для решения этой проблемы сначала был выбран наиболее подходящий алгоритм выделения границ, после чего сформировали два набора признаков: один с использованием гистограммы ориентированных градиентов (HOG), другой — без неё. Для оценки эффективности этих наборов признаков использовали две модели машинного обучения: метод опорных векторов (SVM) и случайный лес. Набор признаков с HOG обеспечил значительно лучшие результаты для обеих моделей. Кроме того, модель SVM, обученная на признаках с HOG, достигла F1-меры 0,92, превысив показатель случайного леса — 0,77.