moitvivt Моделирование, оптимизация и информационные технологии Modeling, Optimization and Information Technology 2310-6018 Издательство 10.26102/2310-6018/2024.45.2.013 1594 Алгоритмы 3D-реконструкции и расчета параметров объектов по результатам детектирования на медицинских изображениях Algorithms for 3D reconstruction and calculation of object parameters based on the results of detection in medical images 0009-0004-6297-2742 Руденко Андрей Владимирович Rudenko Andrei Vladimirovich rudenkoandre@mail.ru aff-1 0000-0002-8334-8453 Руденко Марина Анатольевна Rudenko Marina Anatolievna rudenko.ma@cfuv.ru aff-2 0000-0002-8664-9817 Каширина Ирина Леонидовна Kashirina Irina Leonidovna kash.irina@mail.ru aff-3 Крымский федеральный университет имени В.И. Вернадского V.I. Vernadsky Crimean Federal University Крымский федеральный университет имени В.И. Вернадского V.I. Vernadsky Crimean Federal University Воронежский государственный университет Voronezh State University 01 01 2026 1 1 10.26102/2310-6018/2024.45.2.013 Copyright © Авторы, 2026 2026 This work is licensed under a Creative Commons Attribution 4.0 International License

В статье представлены алгоритмы реконструкции, расчета параметров камней и визуализации трехмерных объектов почек и камней по данным, полученным после детектирования нейросетью 2D-объектов на медицинских изображениях, полученных в результате компьютерной томографии внутренних органов человека. Алгоритмы позволяют выполнить восстановление (сборку) объектов почек и камней, расчет физических параметров камней, выполнить плоскую и трёхмерную визуализацию камней. Программная реализация алгоритмов позволяет получить размеры найденных конкрементов в почках, визуализировать распределение плотности внутри камня, визуализировать расположение найденных камней в почке, что упрощает поддержку принятия врачебных решений при постановке диагноза и последующего планирования оперативного вмешательства при проведении процедуры дробления камней с применением лазерной установки. Предложенные алгоритмы и модели были реализованы в прототипе системы поддержки принятия врачебных решений в хирургии и урологии с использованием технологий компьютерного зрения в составе программных модулей. Использование разработанных алгоритмов послойной сборки камней и почек в прототипе системы поддержки принятия врачебных решений в хирургии и урологии с применением компьютерного зрения сокращает время на постановку диагноза и планирование операции по дроблению камней, а также помогает избежать ошибок в определении расположения камней внутри почки и, тем самым, уменьшить вероятность травмирования пациента.

The article presents algorithms for reconstruction, calculation of stone parameters and visualization of three-dimensional kidney and stone objects based on data obtained after the detection of 2D objects by a neural network on medical images obtained as a result of computed tomography of human internal organs. The algorithms allow you to restore (assemble) kidney and stone objects, calculate the physical parameters of stones, and perform flat and three-dimensional visualization of stones. The implementation of algorithms in the software code allows you to obtain the dimensions of the found concretions in the kidneys, visualize the density distribution inside the stone, visualize the location of the found stones in the kidney, which simplifies the support of medical decision-making during diagnosis and subsequent planning of surgical intervention during the stone crushing procedure using a laser installation. The proposed algorithms and models were implemented in a prototype of a medical decision support system in surgery and urology using computer vision technologies as part of software modules. The use of the developed algorithms for layered assembly of stones and kidneys in the prototype of a medical decision support system in surgery and urology using computer vision reduces the time for diagnosis and planning of stone crushing surgery, and also helps to avoid errors in determining the location of stones inside the kidney and, thereby, reduce the likelihood of injury to the patient.

 детектирование визуализация 3D-воксельная реконструкция DICOM-изображения сеть YOLO detection visualization 3D voxel reconstruction DICOM images YOLO network Исследования выполнены при финансовой поддержке ФГБУ «Фонд содействия развитию малых форм предприятий в научно-технической сфере», программа «Старт», конкурс «Старт-Искусственный интеллект-1» (I очередь), заявка С1ИИ-112266, договор № 27ГС1ИИС12-D7/71365. The research was carried out with the financial support of the Federal State Budgetary Institution "Fund for Assistance to the Development of Small Forms of Enterprises in the Scientific and Technical field", the Start program, the Start-Artificial Intelligence-1 competition (first stage), application C1II-112266, contract No. 27GS1IIS12-D7/71365. References Мелдо А.А., Уткин Л.В., Трофимова Т.Н. Искусственный интеллект в медицине: современное состояние и основные направления развития интеллектуальной диагностики. Лучевая диагностика и терапия. 2020;(1):9–17. https://doi.org/10.22328/2079-5343-2020-11-1-9-17 Назаренко Г.И., Гулиев Я.И., Ермаков Д.Е. Медицинские информационные системы: теория и практика. Москва: ФИЗМАТЛИТ; 2005. 320 с. Борисов Д.Н., Кульнев С.В., Лемешкин Р.Н. Использование искусственного интеллекта при анализе цифровых диагностических изображений. В сборнике: Состояние и перспективы развития современной науки по направлению «Техническое зрение и распознавание образов», 16-17 октября 2019 года, Анапа, Россия. Анапа: Военный инновационный технополис «ЭРА»; 2019. С. 163–169. Мартов А.Г., Мазуренко Д.А., Климкова М.М., Синицын В.Е., Нерсисян Л.А. Двухэнергетическая компьютерная томография в диагностике мочекаменной болезни: новый метод определения химического состава мочевых камней. Урология. 2017;(3):98–103. https://doi.org/10.18565/urol.2017.3.98-103 Hidas G., Eliahou R., Duvdevani M. et al. Determination of Renal Stone Composition with Dual-Energy CT: In Vivo Analysis and Comparison with X-ray Diffraction. Radiology. 2010;257(2):394–401. https://doi.org/10.1148/radiol.10100249 Mackenzie A., Lewis E., Loveland J. Successes and challenges in extracting information from DICOM image databases for audit and research. British Journal of Radiology. 2023;96(1151). https://doi.org/10.1259/bjr.20230104 Sirisha U., Praveen S.Ph., Srinivasu P.N., Barsocchi P., Bhoi A.K. Statistical Analysis of Design Aspects of Various YOLO-Based Deep Learning Models for Object Detection. International Journal of Computational Intelligence Systems. 2023;16(1). https://doi.org/10.1007/s44196-023-00302-w Руденко М.А., Руденко А.В., Крапивина М.А., Лисовский В.С. Система детектирования и анализа объектов на КТ-снимках в урологии. В сборнике: III Международная конференция по нейронным сетям и нейротехнологиям (NeuroNT'2022), 16 июня 2022 года, Санкт-Петербург, Россия. Санкт-Петербург: Санкт-Петербургский государственный электротехнический университет «ЛЭТИ» им. В.И. Ульянова (Ленина); 2022. С. 38–42. Руденко А.В., Руденко М.А., Каширина И.Л. Метод оценки результатов детектирования и классификации объектов на медицинских изображениях. Вестник Воронежского государственного университета. Серия: Системный анализ и информационные технологии. 2024;(1):137–148. Чернега В.С., Тлуховская-Степаненко Н.П., Еременко С.Н., Еременко А.Н. Сетевая модель для оценки длительности медицинского технологического процесса лазерной контактной литотрипсии. Врач и информационные технологии. 2018;(4):75–82. Чернега В.С., Еременко С.Н., Еременко А.Н., Тлуховская-Степаненко Н.П. Прогнозирование времени трансуретральной гольмиевой литотрипсии в лечении уролитиаза. Врач и информационные технологии. 2020;(2):72–80. https://doi.org/10.37690/1811-0193-2020-2-72-80

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