Details

В работе описан модуль автоматической сегментации позвоночника, разработанный для системы поддержки принятия врачебных решений (СППВР). В качестве ядра использована свёрточная нейронная сеть YOLOv11, что позволило заменить традиционные процедуры фильтрации и эквализации на глубокий нейросетевой анализ. Модель обучена на размеченных в CVAT рентгеновских снимках; её средняя точность локализации позвоночника и отдельных позвонков достигает 95% при доверии свыше 75%. Архитектура СППВР реализована по модульному принципу и включает блоки предварительной обработки изображений, сегментации, вычисления диагностических параметров и визуализации результатов, что обеспечивает гибкую интеграцию решения в медицинские информационные системы. Полученные координаты позвонков используются для построения сплайн-аппроксимации позвоночного столба и расчёта угловых отклонений, позволяя автоматически выявлять деформации и формировать предварительные заключения о сколиозе, кифозе и Hip-spine синдроме. Внедрение модуля сокращает время анализа снимков и повышает воспроизводимость диагностики, демонстрируя потенциал нейросетевых методов в задачах медицинского компьютерного зрения.

This study presents an automatic spinal-segmentation module designed for a clinical decision-support system (CDSS). The core of the module is a YOLOv11 convolutional neural network, which replaces conventional filtering and equalization routines with deep-learning-based analysis. Trained on CVAT-annotated radiographs, the model achieves an average localization accuracy of 95% for the spine and individual vertebrae at confidence levels above 0.75. The CDSS follows a modular architecture comprising image pre-processing, segmentation, diagnostic-parameter computation and results visualization, enabling seamless integration with hospital information systems. The detected vertebral coordinates are fitted with a spline approximation of the spinal column, from which angular deviations are calculated to automatically identify deformities and generate preliminary assessments of scoliosis, kyphosis and hip-spine syndrome. Deploying the module shortens image-analysis time and improves diagnostic reproducibility, underscoring the promise of neural-network methods for medical computer-vision tasks.

"Промышленный искусственный интеллект (ПИИ'2025)", всероссийская научно-практическая конференция (2025; Санкт-Петербург). Промышленный искусственный интеллект (ПИИ'2025): Всероссийская научно-практическая конференция с международным участием 3–4 июля 2025 года: cборник научных трудов / Российская академия наук, Санкт-Петербургское отделение, Санкт-Петербургский политехнический университет Петра Великого, Санкт-Петербургский государственный университет; под общей редакцией Д. Г. Арсеньева. — Санкт-Петербург: ПОЛИТЕХ-ПРЕСС, 2025. — 1 файл (197 Мб Мб). — Загл. с титул. экрана. — Ч. текста парал. на рус. и англ. яз. — Электронная копия печатной публикации 2025 г. — Доступ по паролю из сети Интернет (чтение, печать, копирование). — <URL:http://elib.spbstu.ru/dl/2/i25-310.pdf>. — DOI 10.18720/SPBPU/2/i25-310. — Текст: электронный