Научный архив: статьи

Язвенные гастродуоденальные кровотечения продолжают оставаться серьезной проблемой современной медицины. Для определения типа язвенного кровотечения общемировое признание получила эндоскопическая классификация J. Forrest, 1974, определяющая тактику лечения пациентов с кровоточащими гастродуоденальными язвами. Способность правильно классифицировать тип кровотечения зависит, прежде всего, от опыта врача-эндоскописта. С развитием технологий искусственного интеллекта связаны большие ожидания в совершенствовании диагностики и лечении хирургических заболеваний. В настоящей статье рассматривается возможность разработки алгоритма распознавания типа язвенного кровотечения по эндоскопическим изображениям с использованием моделей машинного обучения и его интеграция в экспертную систему поддержки принятия врачебных решений. В ходе настоящего исследования разработана первая отечественная нейросетевая классификация, позволяющая с 75,56 % точностью определять тип язвенного гастродуоденального кровотечения. Разработанный алгоритм распознавания типа язвенного кровотечения интегрирован в мобильное приложение в качестве инструмента помощи в принятии врачебных решений, что в перспективе позволит улучшить качество диагностики и оказания медицинской помощи пациентам с желудочно-кишечными кровотечениями язвенной этиологии.

В статье предлагается метод оценки результатов детектирования и классификации объектов на медицинских изображениях, полученных по результатам компьютерной томографии внутренних органов человека нейросетью архитектуры YOLO, содержащий алгоритм и математические модели нечеткой оценки. Разработанные алгоритм и модели позволяют классифицировать объекты в зависимости от их расположения и проекции изображения, автоматизировать и сократить время диагностирования заболевания, перейти от оценки двумерных изображений к сборке и оценке трехмерных объектов, повысить точность оценки параметров объектов, снизить риски неправильных хирургических решений при планировании и проведении операций. Предложенные алгоритм и модели были реализованы в прототипе системы поддержки принятия врачебных решений в хирургии и урологии с использованием технологий компьютерного зрения в составе программных модулей по детектированию объектов и расчету параметров объектов. Представленный метод оценки результатов детектирования и классификации объектов на медицинских изображениях показал высокую эффективность.