В статье рассмотрены методы классификации снимков МРТ головного мозга человека. Методы представляют собой обучаемые бинарные классификаторы, для определения наличия или отсутствия высокой стадии патологий головного мозга. Исследование направлено на выявление лучшего метода классификации на обработанном наборе данных BRATS. В работе выполнен анализ трех методов классификации: классификация изображений по базовым примитивам контура, метод на основе сверточной нейронной сети, с бинарным классификатором и метод классификации на основе сверточной предобученной нейронной сети Xception. В работе показано, что использование предобученных нейронных сверточных сетей позволяет сократить время расчета времени и ресурсы вычислительной системы на обучение нейронной сети. Приведены результаты вычислительного эксперимента и показано что наилучшая точность при решении задачи классификации патологий головного мозга человека на снимках МРТ достигается при использовании нейронной сверточной предобученной нейронной сети Xception.
The article discusses the methods of classification of MRI images of the human brain. The methods are trained binary classifiers to determine the presence or absence of a high stage of brain pathologies. The study aims to identify the best classification method on the processed BRATS data set. We analyzed three classification methods: image classification by basic contour primitives, a method based on a convolutional neural network, with a binary classifier, and a classification method based on a convolutional pretrained neural network Xception. The paper shows that the use of pre-trained neural convolutional networks allows to reduce the time for calculating the time and resources of a computer system for training a neural network. The results of a computational experiment are presented and it is shown that the best accuracy in solving the problem of pathology classification in MRI scans of the human brain is achieved using the Xception neural convolutional pre-trained neural network.