Details

Данная работа посвящена исследованию методов компьютерного зрения и разработке ядра системы поддержки принятия решений при планировании эндоваскулярных вмешательств. В ходе работы решались следующие задачи: 1. Подготовка и предобработка медицинских наборов данных. 2. Анализ современных архитектур сегментации 3D-изображений. 3. Настройка, обучение и сравнительный анализ нейросетевых моделей nnU-Net и 3D U-Net. 4. Разработка графового алгоритма для пространственной идентификации пи-тающего сосуда. 5. Апробация прототипа на анонимизированных клинических КТ-исследованиях. По результатам сравнительного анализа, самонастраивающаяся архитек-тура nnU-Net продемонстрировала значительное преимущество над трёхмерной сверточной сетью 3D U-Net на базе фреймворка MONAI. Разработан алгоритм перехода от воксельного представления к графовой модели. Реализован математический поиск точки входа магистрального сосуда в опухолевый очаг. Про-анализирована проблема «сдвига домена» при тестировании моделей на реальных клинических данных. Разработанный алгоритмический прототип подтвердил работоспособность и может рассматриваться в качестве вычислительного ядра для систем поддержки принятия решений.

This work is focused on the investigation of computer vision methods and the development of a core decision support system for endovascular intervention plan-ning. The following objectives were addressed in the course of the work: 1. Preparation and preprocessing of medical image datasets. 2. Analysis of state-of-the-art architectures for 3D medical image segmentation. 3. Configuration, training, and comparative evaluation of the nnU-Net and 3D U-Net neural network models. 4. Development of a graph-based algorithm for spatial identification of the feed-ing vessel. 5. Validation of the prototype on anonymized clinical CT studies. The comparative analysis demonstrated a substantial advantage of the self-configuring nnU-Net architecture over the 3D U-Net implemented using the MONAI framework. An algorithm for transitioning from a voxel-based representation to a graph model was developed. A geometric method for locating the entry point of the main vessel into the tumor lesion was implemented. The domain shift problem en-countered during model testing on real clinical data was identified and analyzed. The developed algorithmic prototype confirmed its operational viability and can be con-sidered as a computational core for future decision support systems.