innosferaНаука и инновацииScience and Innovations1818-98572412-9372Издательский дом «Белорусская наука»10.29235/1818-9857-2023-02-75-83innosfera-394Research ArticleДИССЕРТАЦИОННЫЕ ИССЛЕДОВАНИЯDISSERTATION RESEARCHТехнологии искусственного интеллекта в мониторинге патоморфологических изменений центральной нервной системы при рассеянном склерозеArtificial intelligence technologies in monitoring pathomorphological changes in the central nervous system in multiple sclerosisФедуловА.FedulovA.

Александр Федулов, заведующий кафедрой нервных и нейрохирургических болезней, доктор медицинских наук, профессор

г. Минск

Alexander Fedulov

fedulov@tut.byКарапетянГ.KarapetyanG.

Григорий Карапетян, заведующий лабораторией информационных и компьютерных технологий

г. Минск

Grigory Karapetyan

КосикИ.KosikI.

Иван Косик, старший научный сотрудник лаборатории информационных и компьютерных технологий

г. Минск

Ivan Kosik

БорисовА.BorisovA.

Алексей Борисов, профессор кафедры нервных и нейрохирургических болезней, доктор медицинских наук, доцент

г. Минск

Alexei Borisov

БлагочиннаяК.BlagochinnayaK.

Ксения Благочинная, ассистент кафедры нервных и нейрохирургических болезней

г. Минск

Ksenia Blagochinnaya

ВолковаН.VolkovaN.

Наталья Волкова, ассистент кафедры нервных и нейрохирургических болезней

г. Минск

Natalia Volkova

Белорусский государственный медицинский университетBelarusНИЧ БГМУBelarus202304032023027583Copyright © Издательский дом «Белорусская наука», 20232023Издательский дом «Белорусская наука»Издательский дом «Белорусская наука»https://innosfera.belnauka.by/jour/about/submissions#copyrightNoticehttps://innosfera.belnauka.by/jour/article/view/394

Представлен один из вариантов автоматизации процедур оценки получаемых при использовании магниторезонансной томографии (МРТ) изображений головного мозга пациентов, страдающих одним из самых тяжелых заболеваний центральной нервной системы (ЦНС) – рассеянным склерозом (РС).

The paper presents one of the options for automating the evaluation procedures of magnetic resonance imaging (MRI) of the brain in patients suffering from one of the most severe diseases of the central nervous system (CNS), multiple sclerosis.

рассеянный склерозмагниторезонансная томографияавтоматическая сегментацияискусственный интеллектmultiple sclerosismagnetic resonance imagingautomatic segmentationartificial intelligenceReferencesMcGinley M.P., Goldschmidt C.H., Rae-Grant A.D. Diagnosis and Treatment of Multiple Sclerosis. A Review. – JAMA. 2021. №325(8). Р. 765–779.McGinley M.P., Goldschmidt C.H., Rae-Grant A.D. Diagnosis and Treatment of Multiple Sclerosis. A Review. – JAMA. 2021. №325(8). Р. 765–779.Wattjes M.P., Ciccarelli O, Reich D.S., Banwell B., de Stefano N., [et al] / Lancet Neurology 2021. №20(8). Р. 653–670.Wattjes M.P., Ciccarelli O, Reich D.S., Banwell B., de Stefano N., [et al] / Lancet Neurology 2021. №20(8). Р. 653–670.Thompson A.J., Banwell B.L., Barkhof F., [et al] Diagnosis of multiple sclerosis: 2017 revisions of the McDonald criteria / Lancet Neurol. 2018. №17(5). Р. 162–73.Thompson A.J., Banwell B.L., Barkhof F., [et al] Diagnosis of multiple sclerosis: 2017 revisions of the McDonald criteria / Lancet Neurol. 2018. №17(5). Р. 162–73.Rae-Grant A., Day G.S., Marrie R.A., [et al]. Practice guideline recommendations summary: Disease-modifying therapies for adults with multiple sclerosis: Report of the Guideline Development, Dissemination, and Implementation Subcommittee of the American Academy of Neurology. / Neurology. 2018. №17(6). Р. 777–788.Rae-Grant A., Day G.S., Marrie R.A., [et al]. Practice guideline recommendations summary: Disease-modifying therapies for adults with multiple sclerosis: Report of the Guideline Development, Dissemination, and Implementation Subcommittee of the American Academy of Neurology. / Neurology. 2018. №17(6). Р. 777–788.Wiendl H., Gold R., Berger T., Derfuss T., [et al] . Multiple Sclerosis Therapy Consensus Group (MSTCG): position statement on disease-modifying therapies for multiple sclerosis (white paper) / Ther Adv Neurol Disord. 2021. №14(2). Р. 1–39.Wiendl H., Gold R., Berger T., Derfuss T., [et al] . Multiple Sclerosis Therapy Consensus Group (MSTCG): position statement on disease-modifying therapies for multiple sclerosis (white paper) / Ther Adv Neurol Disord. 2021. №14(2). Р. 1–39.Thakur S.P., Schindler M.K., Bilello M, Bakas S. Clinically Deployed Computational Assessment of Multiple Sclerosis Lesions / Front Med (Lausanne). 2022. №17(1). Р. 1–11.Thakur S.P., Schindler M.K., Bilello M, Bakas S. Clinically Deployed Computational Assessment of Multiple Sclerosis Lesions / Front Med (Lausanne). 2022. №17(1). Р. 1–11.Carass A., Roy S., Jog A., Cuzzocreo J.L., [et al]. Longitudinal multiple sclerosis lesion volume change over time: development of an algorithm foe analysis of longitudinal quantitative MRI measures. – Neuroimage. 2017. №148(1). Р. 77–102.Carass A., Roy S., Jog A., Cuzzocreo J.L., [et al]. Longitudinal multiple sclerosis lesion volume change over time: development of an algorithm foe analysis of longitudinal quantitative MRI measures. – Neuroimage. 2017. №148(1). Р. 77–102.Косик И. И., Карапетян Г. М., Федулов А. С., Андреева М. А., Цвирко В. Н. Свидетельство регистрации в Национальном центре интеллектуальной собственности компьютерной программы «Brain Snitch» №1368; 16.12.2022.Косик И. И., Карапетян Г. М., Федулов А. С., Андреева М. А., Цвирко В. Н. Свидетельство регистрации в Национальном центре интеллектуальной собственности компьютерной программы «Brain Snitch» №1368; 16.12.2022.Андреева М. А., Карапетян Г. М., Косик И. И., Федулов А. С., Борисов А. В. Алгоритм визуализации и анализа патоморфологических изменений в головном мозге – Инструкция по применению – Регистрационный №042–0520. Утверждена 11.06.2020.Андреева М. А., Карапетян Г. М., Косик И. И., Федулов А. С., Борисов А. В. Алгоритм визуализации и анализа патоморфологических изменений в головном мозге – Инструкция по применению – Регистрационный №042–0520. Утверждена 11.06.2020.Huimin H., Lin L., Tong R, Hu H, Zhang Q, Iwamoto Y, Han X, Chen YW, Wu J. UNet 3+: A Full-Scale Connected UNet for Medical Image Segmentation. – Proceeding of International Conference on Acoustics, Speech and Signal Processing (ICASSP). 2020:1055–1059.Huimin H., Lin L., Tong R, Hu H, Zhang Q, Iwamoto Y, Han X, Chen YW, Wu J. UNet 3+: A Full-Scale Connected UNet for Medical Image Segmentation. – Proceeding of International Conference on Acoustics, Speech and Signal Processing (ICASSP). 2020:1055–1059.Buslaev A., Iglovikov V., Khvedchenya E., Parinov A., Druzhinin M., Kalinin A. Albumentations: Fast and Flexible Image Augmentations. / Information. 2020. №11(1). Р. 27–35.Buslaev A., Iglovikov V., Khvedchenya E., Parinov A., Druzhinin M., Kalinin A. Albumentations: Fast and Flexible Image Augmentations. / Information. 2020. №11(1). Р. 27–35.

The authors declare that there are no conflicts of interest present.