Система поддержки принятия врачебных решений на основе компьютерного зрения
Мищенко Илья Игоревич,
преподаватель - стажер;
Мищенко Анастасия Сергеевна
студент 4 курса
Республика Беларусь, г. Могилёв, МОУВО «Белорусско-Российский университет
Актуальность разработки
4500+
2800+
150+
Не хватает врачей*
Не хватает врачей-специалистов *
Не хватает рентгенологов*
* согласно данным gsz.gov.by
Click here to add content, content to match the title. �
Add title text
От проблемы к решению
ПРОБЛЕМА
Дефицит времени. Врачи перегружены рутинной работой и вынуждены быстро анализировать снимки.
Сложности анализа рентгеновских снимков. Снимки могут быть недостаточно четкими или содержать артефакты, усложняющие анализ.
Риски ошибок. Плотный график и усталость могут увеличивать вероятность недочетов при постановке диагноза.
Ограниченные ресурсы. Не везде есть доступ к необходимому оборудованию и квалифицированным специалистам.
РЕШЕНИЕ
1
2
3
4
Предварительная обработка изображений
Сегментация и анализ (YOLOv11)
Автоматическая постановка диагноза
Визуализация и сохранение данных
Конвертация DICOM → PNG, Фильтрация шумов, CLAHE, нормализация
Обнаружение позвоночника и позвонков
Расчет угловых отклонений (сколиоз, кифоз, Hip-spine синдром)
Архитектура СППВР
Стадия развития проекта
Разработана MVP, включающая ядро на основе нейросетевых моделей для сегментации костных структур, обнаружения переломов и трещин на рентгеновских снимках, а также базовый пользовательский интерфейс.
1
2
4
1
2
3
3
4
Рентгеновский снимок до предварительной обработки
Рентгеновский снимок после предварительной обработки
Сегментация рентгеновского снимка с выделением травмированной области
Пример работы системы поддержки принятия врачебных решений
Готовые изображения с результатами нейросетевого анализа
Визуализированные результаты: центры масс позвонков, траектория их пространственного распределения и аппроксимирующая кривая, используемая для оценки отклонений
Диагностика и визуализация
1
2
1
2
Для представленных рисунков среднее общее отклонение в первом случае составляет 2,41º, а во втором 3,62º, что подтверждает отсутствие сколиоза.
Диагностика и визуализация
Автоматизация
Замена ручной разметки на нейросетевой анализ
Точность
Интеграция
Экономия времени
95% точность детекции позвонков
Совместимость с DICOM и медицинскими архивами
Сокращение времени диагностики
Преимущества
Ограничения и перспективы
Обучение на данных одной клиники → риск переобучения
Работа только с 2D-рентгеном (нет 3D - КТ/МРТ)
Расширение датасета (мультицентровые исследования)
Добавление 3D-сегментации
Реализация потоковой обработки через DICOMweb
Текущие ограничения
Перспективы
1
2
3
4
Автоматизация диагностики
Использование нейросетевого подхода (YOLOv11) позволило полностью исключить ручную разметку позвоночника, обеспечив точность сегментации 95% и значительно ускорив анализ рентгеновских снимков.
Клиническая эффективность
Разработанная система автоматически вычисляет углы искривления позвоночника, помогая диагностировать сколиоз, кифоз и Hip-spine синдром с минимальным участием врача.
Ограничения и перспективы
Хотя текущая версия работает только с 2D - рентгеном и требует расширения обучающей выборки, в перспективе система может быть адаптирована для 3D - диагностики и интеграции с медицинскими PACS - системами.
Значимость для медицины
Решение сокращает время постановки диагноза, снижает субъективность оценки и демонстрирует потенциал ИИ для поддержки врачебных решений в травматологии и ортопедии.
Основные выводы исследования
Спасибо за внимание!
Мищенко Илья Игоревич, sombra74@yandex.by
преподаватель - стажер;
Мищенко Анастасия Сергеевна,
Студент 4 курса;
Республика Беларусь, г. Могилёв, МОУВО «Белорусско-Российский университет»