innosferaНаука и инновацииScience and Innovations1818-98572412-9372Издательский дом «Белорусская наука»10.29235/1818-9857-2023-12-73-79innosfera-539Research ArticleДИССЕРТАЦИОННЫЕ ИССЛЕДОВАНИЯDISSERTATION RESEARCHНейровизуализация интракраниальных новообразований: объемная сегментация трехмерных изображенийNeuroimaging of intracranial neoplasms: volume segmentation of 3D imagesДжанибековХ.DzhanibekovKh.

Хамзат Джанибеков, ассистент кафедры проектирования информационно- компьютерных систем

Khamzat Dzhanibekov

ЧураковА.ChurakovA.

Андрей Чураков, доцент кафедры электронной техники и технологии, кандидат медицинских наук, доцент

Andrey Churakov

ОнгарбаеваА.OngarbayevaA.

Айнагуль Онгарбаева, старший преподаватель кафедры информационной безопасности

г. Астана

Ainagul Ongarbayeva

НауменкоД.NaumenkoD.

Дмитрий Науменко, врач рентгеновского отделения

Dmitry Naumenko

ШульгинаИ.ShulginaI.

Ирина Шульгина, заведующий кабинетом рентгенокомпьютерной диагностики рентгеновского отделения

Irina Shulgina

ЛопатовП.LopatovP.

Павел Лопатов, заведующий отделением анестезиологии и реанимации №1 (для нейрохирургических пациентов) 

Pavel Lopatov

БГУИРBelarusЕвразийский национальный университет имени Л.Н. ГумилеваKazakhstanРНПЦ неврологии и нейрохирургииBelarusРеспубликанская клиническая больница медицинской реабилитацииBelarus5-я ГКБ г. МинскаBelarus2023100120241127379Copyright © Издательский дом «Белорусская наука», 20242024Издательский дом «Белорусская наука»Издательский дом «Белорусская наука»https://innosfera.belnauka.by/jour/about/submissions#copyrightNoticehttps://innosfera.belnauka.by/jour/article/view/539

В статье представлены разработанная авторами методика и алгоритм для семантической сегментации новообразований и последующего обучения нейронной сети с использованием платформы Matlab. Полученные результаты ориентированы на раннее выявление нейроонкологических заболеваний и могут повысить точность скрининга данной патологии, а также оценить эффективность проведенного лечения 

The progressive development of medical bioinformatics, namely computer vision and deep learning technologies, will allow accurate screening of neurooncological diseases and evaluate the effectiveness of the treatment methods performed in dynamics at all levels of healthcare institutions. At present, the Matlab platform is the most functional environment for image processing with the implemented possibility of using semantic segmentation. An algorithm for creating masks of the area of interest of specialists and a listing for training a neural network in the diagnostic screening of neurooncological patients are presented.

нейровизуализация новообразований головного мозгауглубленное обучениесемантическая сегментациякомпьютерное зрениеMatlab 2021 The MathWorksInc.DICOM-файлыROIneuroimaging of neoplasms of the braindeep learningsemantic segmentationcomputer visionMatlab 2021 The MathWorksInc.DICOM filesROIReferencesСоздание семантической сегментации с помощью Volume Segmenter // https://www.mathworks.com/help/images/create-semantic-segmentation-using-volumesegmenter.html.Создание семантической сегментации с помощью Volume Segmenter // https://www.mathworks.com/help/images/create-semantic-segmentation-using-volumesegmenter.html.Приложение для постобработки изображений Canon Compressed Speeder // https://cmtrade.ru/products/prilozhenie-dlya-mrt-canon-compressed-speeder.Приложение для постобработки изображений Canon Compressed Speeder // https://cmtrade.ru/products/prilozhenie-dlya-mrt-canon-compressed-speeder.Приложение для постобработки изображений Canon Compressed Speeder // https://www.mathworks.com/videos/3d-image-segmentation-of-brain-tumorsusing-deep-learning.Приложение для постобработки изображений Canon Compressed Speeder // https://www.mathworks.com/videos/3d-image-segmentation-of-brain-tumorsusing-deep-learning.Роннебергер О., Фишер П., Брокс Т. U-Net: сверточные сети для сегментации биомедицинских изображений // MICCAI – 2015: мат-лы Междунар. конф. по вычислениям медицинских изображений и компьютерным вмешательствам.– Мюнхен, 2015. С. 234–241.Роннебергер О., Фишер П., Брокс Т. U-Net: сверточные сети для сегментации биомедицинских изображений // MICCAI – 2015: мат-лы Междунар. конф. по вычислениям медицинских изображений и компьютерным вмешательствам.– Мюнхен, 2015. С. 234–241.Sudre C.H., Li. W., Vercauteren T., Ourselin S., Cardoso M.J. Обобщенное перекрытие игральных костей как функция потери глубокого обучения для сильно несбалансированных сегментов // Глубокое обучение анализу медицинских изображений и мультимодальное обучение для поддержки принятия клинических решений.– Квебек, 2017. С. 240–248.Sudre C.H., Li. W., Vercauteren T., Ourselin S., Cardoso M.J. Обобщенное перекрытие игральных костей как функция потери глубокого обучения для сильно несбалансированных сегментов // Глубокое обучение анализу медицинских изображений и мультимодальное обучение для поддержки принятия клинических решений.– Квебек, 2017. С. 240–248.Нейровизуализация // https://postnauka.ru/video/155696.Нейровизуализация // https://postnauka.ru/video/155696.Республиканский научно-практический центр онкологии и медицинской радиологии им. Н. Н. Александрова // https://omr.by/news/stati/opukholigolovnogo-mozga.Республиканский научно-практический центр онкологии и медицинской радиологии им. Н. Н. Александрова // https://omr.by/news/stati/opukholigolovnogo-mozga.Система и метод использования структурированного отчета DICOM для оптимизации рабочего процесса // https://patents.google.com/patent/US6950985B2/en?q=DICOM&oq=DICOM.Система и метод использования структурированного отчета DICOM для оптимизации рабочего процесса // https://patents.google.com/patent/US6950985B2/en?q=DICOM&oq=DICOM.Система обработки данных медицинских изображений // https://patents.google.com/patent/US20070237371A1/en?oq=US+2007%2f0237371+A1 https://patents.google.com/patent/US6950985B2/en?q=DICOM&oq=DICOM.Система обработки данных медицинских изображений // https://patents.google.com/patent/US20070237371A1/en?oq=US+2007%2f0237371+A1 https://patents.google.com/patent/US6950985B2/en?q=DICOM&oq=DICOM.Хирургия головного мозга // https://www.neurology.ru/neyrohirurgicheskoeotdelenie/hirurgiya-golovnogo-mozga.Хирургия головного мозга // https://www.neurology.ru/neyrohirurgicheskoeotdelenie/hirurgiya-golovnogo-mozga.

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