Детальная информация
| Название | Применение сверточных нейронных сетей для автоматической сегментации позвоночника в системах поддержки врачебных решений = Application of convolutional neural networks for automatic spine segmentation in medical decision support systems // Промышленный искусственный интеллект (ПИИ'2025): Всероссийская научно-практическая конференция с международным участием 3–4 июля 2025 года: cборник научных трудов |
|---|---|
| Авторы | Мищенко Илья Игоревич ; Мисник Антон Евгеньевич |
| Организация | Белорусско-Российский университет |
| Выходные сведения | Санкт-Петербург: ПОЛИТЕХ-ПРЕСС, 2025 |
| Коллекция | Общая коллекция |
| Тематика | Нейронные сети ; Распознавание образов ; компьютерное зрение ; сегментация позвоночника ; медицинская диагностика ; система поддержки принятия решений ; сomputer vision ; spine segmentation ; medical diagnostics ; decision support system |
| УДК | 004.032.26; 004.93'1 |
| Тип документа | Статья, доклад |
| Язык | Русский |
| DOI | 10.18720/SPBPU/2/id25-551 |
| Права доступа | Доступ по паролю из сети Интернет (чтение, печать, копирование) |
| Ключ записи | RU\SPSTU\edoc\77898 |
| Дата создания записи | 25.12.2025 |
Разрешенные действия
–
Действие 'Прочитать' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети
Действие 'Загрузить' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети
| Группа | Анонимные пользователи |
|---|---|
| Сеть | Интернет |
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.
| Место доступа | Группа пользователей | Действие |
|---|---|---|
| Локальная сеть ИБК СПбПУ | Все |
|
| Интернет | Авторизованные пользователи СПбПУ |
|
| Интернет | Анонимные пользователи |
|
