Алгоритмы 3D-реконструкции и расчета параметров объектов по результатам детектирования на медицинских изображениях

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.

1. 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

2. Назаренко Г.И., Гулиев Я.И., Ермаков Д.Е. Медицинские информационные системы: теория и практика. Москва: ФИЗМАТЛИТ; 2005. 320 с.

3. 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.

4. 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

5. 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

6. 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

7. 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

8. 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.

9. 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.

10. 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.

11. 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