The global spread of the COVID-19 has increased the need for physicians and accurate and efficient diagnostic tools. The best way to control the spread of COVID-19 is through public vaccination as well as early intervention to prevent the spread of the disease. According to the World Health Organization, chest CT scans in the early stages of COVID-19 disease have good accuracy, which leads to the widespread use of these images in the diagnostics and evaluation of COVID-19 disease. Lung CT scan segmentation is an essential first step for lung image analysis. The purpose of this article is to evaluate the existing computer systems and to present a more efficient computer system for CT scan image segmentation. For this propose, a novel artificial intelligence (AI)-based COVID-19 Lung Infection Segmentation (Inf-Seg) method is proposed to automatically identify infected regions from chest CT scan. In Inf-Seg, after pre-processing of medical image and improving the image quality, texture feature extraction methods are used to collect high-level features and generate a global map. In the next step, we used YOLACT, which consists of a backbone part of a network of feature pyramids for creating multi-scale feature maps and efficient classification and localization of objects of various sizes (with better information than a regular feature pyramid for object detection), a Protonet part and prediction.

Глобальное распространение COVID-19 увеличило потребность во врачах и точных и эффективных диагностических инструментах. Лучший способ контролировать распространение COVID-19 - вакцинация населения, а также раннее вмешательство для предотвращения распространения болезни. По данным Всемирной организации здравоохранения, КТ грудной клетки на ранних стадиях заболевания COVID-19 имеет хорошую точность, что приводит к широкому использованию этих изображений в диагностике и оценке заболевания COVID-19. Сегментация КТ легких является важным первым шагом для анализа изображений легких. В статье рассмотрены существующие компьютерные системы и представлена эффективная компьютерная система для сегментации изображений КТ. Предложен новый метод сегментации легочной инфекции COVID-19 (Inf-Seg) на основе искусственного интеллекта (ИИ) для автоматического выявления инфицированных областей при компьютерной томографии грудной клетки. В Inf-Seg после предварительной обработки медицинского изображения и улучшения качества изображения используются методы извлечения признаков текстуры для сбора признаков высокого уровня и создания глобальной карты. На следующем этапе используется YOLACT, состоящий из базовой части сети пирамид функций для создания многомасштабных карт объектов и эффективной классификации и локализации объектов различных размеров (с лучшей информацией, чем обычная пирамида функций для обнаружения объектов), а также часть Protonet и предсказание.

Информатика, телекоммуникации и управление = Computing, Telecommunications and Control. — Санкт-Петербург: СПбПУ, 2020-. — Электрон. журнал. — Периодичность: 4 раза в год. — Свободный доступ из сети Интернет (чтение, печать, копирование). — Текст: электронный

Информатика, телекоммуникации и управление = Computing, Telecommunications and Control. — Санкт-Петербург: СПбПУ, 2020-. Vol. 15, № 3, 2022. — 1 файл (5,07 Мб). — Свободный доступ из сети Интернет (чтение, печать, копирование). — <URL:http://elib.spbstu.ru/dl/2/j23-115.pdf>.