Mélytanulási modellek alkalmazása tüdőbetegségek osztályozására

Abstract

A szakdolgozat célja mélytanulási modellek alkalmazása tüdőbetegségek automatikus felismerésére mellkasröntgen képek alapján. Két fő megközelítést hasonlít össze: egy tisztán képi, többcímkés klasszifikációs modellt, valamint egy multimodális (VLM) modellt, amely a képeket és a hozzájuk tartozó radiológiai szövegeket együtt használja. A képi modell BCEWithLogitsLoss veszteségfüggvénnyel tanul, míg a VLM a kép–szöveg hasonlóságot optimalizálja kontrasztív tanulással. A dolgozat külön hangsúlyt fektet a Grad-CAM alapú vizualizációra, amely segít megérteni, hogy a modellek mely képi területek alapján hoznak döntést. A bemeneti adatok előfeldolgozása során a rendszer szöveges riportokból automatikusan címkéket generál, figyelembe véve a negációkat és bizonytalanságokat is. A modellek teljesítményét retrieval metrikákkal (pl. Recall@K) és kvalitatív vizsgálatokkal értékeli. Az eredmények alapján a multimodális megközelítés pontosabb lokalizációt adhat, míg a tisztán képi modell stabilabb osztályozási teljesítményt nyújthat. A dolgozat hozzájárul a mesterséges intelligencia orvosi alkalmazásainak fejlődéséhez, különösen a diagnosztikai döntéstámogatás területén.