Применение радиомических признаков для классификации патологий печени методами машинного обучения

Abstract

Данное исследование посвящено разработке и тестированию подходов к автоматизации диагностики патологий на основе радиомических признаков, извлечённых из медицинских изображений. С помощью библиотеки PyRadiomics были получены текстурные и структурные характеристики патологий печени, такие как гетерогенность и контрастность, которые позволяют более точно интерпретировать особенности снимков. В качестве классификаторов применялись алгоритмы CatBoost и LightGBM, зарекомендовавшие себя в анализе данных высокой размерности. Модели обучались и оценивались на основе метрик accuracy и F1-score для обеспечения высокой точности и надёжности классификации. В ходе экспериментов также исследовалось влияние увеличения объёма обучающей выборки за счёт добавления данных, полученных по результатом сегментации патологий с использованием библиотеки NNUnet. Результаты показали, что дополнение данных способствует улучшению ключевых метрик, что свидетельствует о потенциальной эффективности предложенного подхода для поддержки медицинской диагностики.