МОДЕЛІ ТА ІНФОРМАЦІЙНА ТЕХНОЛОГІЯ ОБРОБКИ УЛЬТРАЗВУКОВИХ ЗНІМКІВ

Автор(и)

DOI:

https://doi.org/10.32782/IT/2024-2-2

Ключові слова:

ультразвукова діагностика, ультразвукові зображення, розпізнавання зображень, нейронна мережа, модель, інформаційна технологія

Анотація

Тривимірні ультразвукові зображення відкривають нові горизонти в медичній діагностиці та лікуванні. Вони пропонують набагато більше інформації порівняно зі звичайними двовимірними зображеннями, дозволяючи лікарям «обертати» та «перевертати» зображення, щоб дослідити його з усіх можливих ракурсів. Така деталізація може виявитися критично важливою при виявленні патологій або плануванні хірургічних втручань. Однак, для ефективної роботи з такими зображеннями потрібно спеціалізоване програмне забезпечення, моделі та інформаційні технології, які здатні обробити великі об’єми даних та відтворити їх у вигляді інтуїтивно зрозумілих 3D-моделей. Розробка такого роду програмного забезпечення вимагає врахування численних технічних та медичних аспектів. Метою статті є аналіз моделей та інформаційних технологій для обробки ультразвукових знімків, що мають велике значення в медичній діагностиці. Розглянути та порівняти різні методи та моделі, які можуть забезпечити найкращі результати для обробки зображень. Методологія полягає у застосовано наступних методи наукового пошуку: аналіз, синтез, порівняння, узагальнення – для розгляду основних аспектів досліджуваної проблеми, визначення теоретичних основ дослідження. У статті розглянуто основні підходи до моделювання процесів обробки ультразвукових зображень, включаючи методи покращення якості зображень, виділення контурів та структурних елементів. Описано алгоритми і програмні засоби, що забезпечують ефективну обробку і аналіз ультразвукових даних. Наукова новизна отриманих у роботі результатів полягає в формулюванні та використанні найкращих методів та моделей та інформаційних технологій для обробки ультразвукових знімків, що мають велике значення в медичній діагностиці. Увага приділяється методам фільтрації шуму, контрастування зображень та автоматичного розпізнавання патологій. Наведено результати досліджень, що демонструють ефективність запропонованих підходів у клінічній практиці. Висновки. Методи які були розглянуті спрощують використання сучасних алгоритмів для автоматизованого аналізу ультразвукових знімків. Огляд наявних інструментів демонструє, що 3D Slicer пропонує дослідникам зручні графічний та програмний інтерфейси, що полегшують впровадження і застосування новітніх алгоритмів машинного навчання в обробці ультразвукових зображень. Стаття також обговорює перспективи подальшого розвитку інформаційних технологій в ультразвуковій діагностиці.

Посилання

Білинський Й. Й., Нікольський О. І., Дмітрієва К. Ю., Гуральник А.Б. l. Вінниця: ВНТУ, 2022. 108 с. URL: http://ir.lib.vntu.edu.ua//handle/123456789/36848

Настенко Є. А., Павлов В. А., Гончарук М. О., Бабенко В. О. Класифікація ультразвукових зображень печінки за значеннями матриці суміжності градацій сірого. ІII міжнародна науково-практична конференція «Інформаційні системи та технології в медицині» (ISM–2020: збірник наукових праць. Харків, 2020.

Федорін І., Кройс Н. Програмний додаток для візуалізації та обробки трьохвимірних ультразвукових зображень. Наука і техніка сьогодні. 2023. № 12 (26). С. 806–819. DOI: https://doi.org/10.52058/2786-6025-2023-12(26)-806-819

Мартинюк І. С. Алгоритми обробки ультразвукових зображень поверхневих органів для підвищення ефективності діагностики. Національний авіаційний університет, 2021.

Заболуєва М. Ю., Момот А. С. Автоматизація ультразвукової діагностики захворювань молочних залоз із використанням нейронних мереж. ХV Науково-практична конференція студентів, аспірантів та молодих вчених «Погляд у майбутнє приладобудування», 14-15 червня 2022 р., м. Київ: збірник праць конференції. КПІ ім. Ігоря Сікорського, 2022. С. 170–173. URL: https://ela.kpi.ua/handle/123456789/53620

Mingxing T., Le Q. Efficientnet: Rethinking model scaling for convolutional neural networks. International Conference on Machine Learning. PMLR. 2019. P. 6105–6114.

OsiriX DICOM Viewer | The world famous medical imaging viewer, 2024. URL: https://www.osirixviewer.com/

3D Slicer image computing platform (2022) URL: https://www.slicer.org/

Кравчук Ю. О. Система для обробки та аналізу медичних зображень. КПІ ім. Ігоря Сікорського, 2024.

Акерман Д. О. Класифікація медичних зображень УЗД печінки за допомогою штучної нейронної мережі. КПІ ім. Ігоря Сікорського, 2023. 72 с. URL: https://ela.kpi.ua/handle/123456789/64756

##submission.downloads##

Опубліковано

2024-07-31