Біомедична інженерія і технологія最新文献

{"title":"СИСТЕМА АНАЛІЗУ АСИМЕТРІЇ КТ-ЗОБРАЖЕНЬ ДЛЯ УДОСКОНАЛЕННЯ ПРОЦЕДУР ВИЯВЛЕННЯ ПАТОЛОГІЇ","authors":"В.В. Атамась, Євген Настенко","doi":"10.20535/2617-8974.2022.8.268507","DOIUrl":"https://doi.org/10.20535/2617-8974.2022.8.268507","url":null,"abstract":"Проблематика. Деменція – це розлад мозку, який впливає на нормальну роботу мозку через втрату нейронів або їх функціональності. Деменція може включати групу симптомів, таких як втрата пам’яті, відсутність міркувань і суджень, проблеми з промовою та розумінням мови, а також зміни в особистості. Загалом у світі 46,8 мільйонів людей мають деменцію, і щороку реєструється приблизно 9,9 мільйонів нових випадків. Частка деменції серед населення віком 60 років і старше становить 7,1%.\u0000Мета дослідження. Розробка алгоритму та побудова комп’ютерної системи для автоматичного виявлення та візуалізації асиметрії КТ-зображень шляхом їх порівняння зі своїм дзеркальним відображенням відносно оптимальним чином побудованої осі симетрії.\u0000Методика реалізації.  Поточне дослідження базується на гіпотезі про те, що асиметрія мозку змінюється в результаті розвитку ранньої та прогресуючої деменції. Оцінка асиметрії в корі головного мозку базується на структурній магнітно-резонансній томографії (МРТ). Це дослідження має на меті дослідити закономірності цих змін за допомогою МРТ і методів комп’ютерного зору. У статті запропоновано алгоритм сегментації та візуалізації відмінностей у симетрії правої та лівої півкуль головного мозку та генерування ознак асиметрії.\u0000Результати дослідження. Даний алгоритм допомагає оцінити асиметричні ділянки головного мозку і визначити місце і форму патології.\u0000Висновки. Розроблено алгоритм та побудовано комп’ютерну систему для автоматичного виявлення та візуалізації асиметричних ділянок КТ/МРТ/ПЕТ-зображень. Візуалізація полягає у підкресленні кольором відповідних ділянок. В інтерфейсі передбачена можливість гнучких налаштувань чутливості алгоритму до амплітудних та розмірних параметрів несиметричних деталей\u0000 \u0000Ключові слова — КТ-зображення, асиметрія, патологія, аналіз, модель, вибірка.","PeriodicalId":386518,"journal":{"name":"Біомедична інженерія і технологія","volume":null,"pages":null},"PeriodicalIF":0.0,"publicationDate":"2022-12-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"126098711","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

{"title":"ДІАГНОСТИЧНІ АЛГОРИТМИ ВИЗНАЧЕННЯ ГЕНЕТИЧНИХ МУТАЦІЙ РАКУ ЗА ДОПОМОГОЮ АНАЛІЗУ МЕДИЧНИХ ТЕКСТІВ","authors":"Л.О. Левчик, В. О. Бабенко, Катерина Сергіївна Бовсуновська, В.А. Павлов, Євген Настенко","doi":"10.20535/2617-8974.2022.8.271038","DOIUrl":"https://doi.org/10.20535/2617-8974.2022.8.271038","url":null,"abstract":"Сучасний стан аналітичних інструментів діагностики, до яких відноситься і генетичне тестування, дозволяють  розраховувати, що процес діагностування онкологічних захворювань може бути автоматизованим. Однак, об’єм ручної роботи, необхідної для діагностики ракових пухлин, залишається значною перешкодою для прогресу в даній області. Процес секвенування пухлини здатний виявити тисячі генетичних мутацій, але задача полягає в тому, щоб відрізнити ті мутації, які сприяють зростанню рака (драйвери), від нейтральних мутацій (пасажирів). Ця задача потребує від клінічного патолога ручного аналізу та класифікації кожної мутації на основі інформації, отриманої з клінічної літератури. Використання комп’ютеризованих методів аналізу медичних текстів здатне автоматизувати даний етап діагностики ракових пухлин. Мета даної роботи полягала в оцінці ефективності використання методів обробки природної мови у поєднанні з машинним навчанням для автоматизованого визначення типів генетичних мутацій раку з медичних текстових даних. Наявна для використання база медичних текстових даних, що містить 3321 спостереження, і анотована по 9 типам генетичних мутацій раку провідними дослідниками та онкологами центру Меморіалу Слоуна Кеттерінга (Нью-Йорк, США). Дані були надані в рамках конкурсу по машинному навчанню спільнотою  фахівців з Data Science - Kaggle. Для розв’язання багатокласової задачі класифікації використані моделі машинного навчання: мультиноміальний наївний Байєс, мультиноміальна логістична регресія, випадковий ліс, метод групового урахування аргументів, багатошаровий перцептрон, та рекурентна нейронна мережа з довгою короткостроковою пам’яттю. Модель багатошарового перцептрона виявилась найбільш ефективною для визначення типу генетичної мутації, продемонстрував точність передбачення 65.1% на тестовій вибірці, що склала 25% від загального набору даних. Друга по точності модель (випадковий ліс) досягла точність у 64.9%. Одержані результати перевершили результати учасників конкурсу Kaggle, де найвища точність класифікації (64.7%) була досягнута за допомогою лінійної моделі, заснованій на методі опорних векторів.Поєднання методів обробки природної мови та машинного навчання показує великий потенціал для застосування в медичній галузі, зокрема, у визначенні типів генетичних мутацій раку на основі текстових даних. Це надає можливість для автоматизації  дій медичного персоналу в процесі діагностики. Для досягнення більш ефективних результатів планується проведення подальших досліджень.","PeriodicalId":386518,"journal":{"name":"Біомедична інженерія і технологія","volume":null,"pages":null},"PeriodicalIF":0.0,"publicationDate":"2022-12-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"133774190","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

{"title":"ЕЛЕКТРОДИ ІНСТРУМЕНТУ ДЛЯ ЗВАРЮВАННЯ ЛЕГЕНЬ","authors":"С.В. Попов, Олексій Володимирович Лебедєв","doi":"10.20535/2617-8974.2022.8.268826","DOIUrl":"https://doi.org/10.20535/2617-8974.2022.8.268826","url":null,"abstract":"Тема дослідження: «Електроди для інструменту для зварювання легень». \u0000Обсяг роботи становить 7 сторінок, міститься 13 ілюстрацій, 2 таблиці. Загалом опрацьовано 14 джерел. \u0000Актуальність: метод високочастотного роз’єднання має ряд переваг над іншими методами роз’єднання легень: безкровність, відсутність сторонніх предметів на місці шва, короткий період реабілітації, відсутність обвуглення тканин, однорідність тканини шва. Проте в порівнянні з іншими тканинами, до яких застосовують метод високочатотного зварювання, модуль Юнга та еластичність легень нижчі, а імпеданс вищий, що змушує прикладати додаткових навантажень на легеню та збільшувати напругу для досягнення успішного високочастотного зварювання легень. Саме тому не можна використовувати однакові електроди для резекції і судин, і паренхіми легень, і є необхідність спроектувати такі електроди, розподіл навантажень при стисненні яких буде сприяти процесу зварювання легень. \u0000Мета: обґрунтування форми та характеристик електродів за результатами досліджень теплового, механічного та електролітичного впливу на тканину легень при моделюванні процесу зварювання легень. \u0000Завдання: обрати середовище для моделювання електродів та проведення досліджень; визначити параметри моделей та середовища для проведення симуляції по зварюванню легень; провести моделювання процесу зварювання легень з отриманням результатів аналізу на статичне навантаження, протікання теплових та електричних процесів в тканині легені; проаналізувати отримані результати, дати висновки по оптимальним формам та розмірам електродів для інструменту для зварювання легень. \u0000Ключові слова: Електроди, електропровідність, комп’ютерна симуляція, легеня, роз’єднання, температура, тиск.","PeriodicalId":386518,"journal":{"name":"Біомедична інженерія і технологія","volume":null,"pages":null},"PeriodicalIF":0.0,"publicationDate":"2022-12-29","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"128640646","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

{"title":"ПРИЛАД ДЛЯ 3D-РОБОТИЗОВАНОГО ВИМІРЮВАННЯ РІВНЯ РАДІАЦІЇ","authors":"Андрій Дубко, П.А. Осаволюк","doi":"10.20535/2617-8974.2022.8.268781","DOIUrl":"https://doi.org/10.20535/2617-8974.2022.8.268781","url":null,"abstract":"Зараз, медичні процедури з використанням іонізаційного випромінювання , для лікування або діагностики, є дуже поширеними у всіх країнах світу. Згідно останніх досліджень, середній рівень впливу іонізуючого випромінювання на населення – зростає. Останні дослідження показують, що розробка більш складних і тривалих процедур діагностики та лікування з використанням іонізуючого випромінювання, у поєднанні з збільшенням доступності цих процедур та більшою кількістю пацієнтів неминуче призводить до збільшення опромінення персоналу лікарні. Ефективність радіаційного захисту працівників, які працюють з даним типом випромінювання, значною мірою залежить від розуміння радіаційного поля, якому вони піддаються.. Саме тому актуальною є розробка пристрою для 3D-вимірювання рівня радіації і може дозволити знизити дози опромінення персоналу, при виконані процедур з використанням радіаційного випромінювання.","PeriodicalId":386518,"journal":{"name":"Біомедична інженерія і технологія","volume":null,"pages":null},"PeriodicalIF":0.0,"publicationDate":"2022-12-29","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"131504976","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

{"title":"ПРОЄКТУВАННЯ СИСТЕМИ ПІДТРИМКИ ПРИЙНЯТТЯ ЛІКАРСЬКИХ РІШЕНЬ ПРИ ЛІКУВАННІ ХВОРИХ З ПІДТВЕРДЖЕНИМ ВИПАДКОМ COVID-19","authors":"К.Ю. Черниш, Оксана Білошицька","doi":"10.20535/2617-8974.2022.8.268738","DOIUrl":"https://doi.org/10.20535/2617-8974.2022.8.268738","url":null,"abstract":"У статті розглянуто основні аспекти проєктування автоматизованих бізнес-процесів у закладах охорони здоров’я для визначення ступеня тяжкості перебігу COVID-19, визначення необхідності госпіталізації хворих на COVID-19, а також формування листа лікарських призначень з урахуванням супутніх захворювань пацієнта та можливих протипоказань. Розроблено МІС «COVIDMED» з системою підтримки прийняття лікарських рішень, яка базується на затверджених стандартах надання медичної допомоги та протоколах лікування із врахуванням обмежуючих протипоказань, які є у пацієнта. Розроблена система може бути використана лікарями при наданні медичної допомоги для ефективного використання робочого часу та зменшення адміністративного навантаження.","PeriodicalId":386518,"journal":{"name":"Біомедична інженерія і технологія","volume":null,"pages":null},"PeriodicalIF":0.0,"publicationDate":"2022-12-29","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"122607716","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

{"title":"ЛАЗЕРНИЙ ПРИЛАД ДЛЯ ДОСЛІДЖЕННЯ ХАРАКТЕРИСТИК КРОВІ","authors":"А.Г. Байкова, М.Ф. Богомолов, Владислав Шликов","doi":"10.20535/2617-8974.2022.8.270853","DOIUrl":"https://doi.org/10.20535/2617-8974.2022.8.270853","url":null,"abstract":"На сьогоднішній день спостерігається достатньо інтенсивне впровадження лазерних технологій в біомедичні дослідження, і зокрема – у дослідження біологічних об’єктів, таких як біологічні рідини. Завдяки своїм властивостям, лазерне випромінювання користується широким попитом при проектуванні апаратів медичної діагностики. В свою чергу, дослідження біохімічних параметрів та формених елементів крові (ФЕК) відіграють важливу роль для діагностики різноманітних захворювань, починаючи з анемії, та важких типів цукрового діабету. Перевага лазерного методу дослідження крові над іншими є досить очевидною: лазерне джерело випромінювання є інтенсивним, монохроматичним та когерентним, має можливість фокусування на невеликій ділянці, є відносно легко керованим. Сучасні лазерні аналізатори крові мають надзвичайно високу актуальність, оскільки вони дозволяють проводити ранню діагностику низки серйозних захворювань та синдромів, що допомагає їх запобіганню. У даній роботі запропоновано нову методику визначення параметрів крові людини шляхом поєднання спекл-інтерферометрії та проточної цитометрії. Здійснено аналіз низки різних приладів для створення ефективного лазерного приладу з метою підвищення достовірності даних при визначенні параметрів крові за допомогою спекл-інтерферометрії. В роботі представлено лазерний пристрій для дослідження характеристик крові, який базується на методі спекл-інтерферометрії та проточній цитометрії.","PeriodicalId":386518,"journal":{"name":"Біомедична інженерія і технологія","volume":null,"pages":null},"PeriodicalIF":0.0,"publicationDate":"2022-12-29","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"128194096","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

{"title":"АВТОМАТИЗАЦІЯ ВИЯВЛЕННЯ ПОРУШЕНЬ РИТМУ СЕРЦЯ","authors":"А.Ю. Недураєва, Олена Рудніцька","doi":"10.20535/2617-8974.2022.8.267898","DOIUrl":"https://doi.org/10.20535/2617-8974.2022.8.267898","url":null,"abstract":"На сьогоднішній день стрес є невід’ємною частиною нашого життя, що значно підвищує імовірність розвитку порушень ритму серця на кшталт екстрасистолії, пароксизмальної тахікардії та миготливої аритмії. Люди, у яких присутня одна з перерахованих тахіаритмій, частіше страждають на хвороби серця та судин. А відповідно до даних центру громадського здоров’я МОЗ України серцево-судинні захворювання займають перше місце серед причин усіх смертей в Україні, що складає приблизно 67% випадків [1], при тому з кожним роком кількість смертей через дані захворювання лише збільшується. Вчасне виявлення порушення є одним із критеріїв ефективного лікування захворювання, однак у деяких випадках тахіаритмії можуть протікати без видимих симптомів, тому їх діагностування стає можливим лише на прийомі у лікаря чи при проведенні ЕКГ, що ускладнює їх виявлення на початкових етапах.  За допомогою мобільного додатку користувач має змогу виявляти такі порушення ритму серця як пароксизмальна тахікардія, миготлива аритмія та екстрасистолія ще на тому етапі, коли тахіаритмії розвиваються безсимптомно для хворого. Представлений додаток отримує ритм, що зчитується з зап’ястя користувача завдяки фітнес-браслету, та аналізує періодичність і частоту серцевих скорочень. Після аналізу при відхиленні показників ритму від норми додаток інформує про можливу наявність однієї з перерахованих тахіаритмій та рекомендує звернутись за подальшою консультацією та діагностикою до лікаря. У статті описані алгоритми зчитування даних за допомогою фітнес-браслету, аналізу отриманих даних та принцип роботи мобільного додатку.","PeriodicalId":386518,"journal":{"name":"Біомедична інженерія і технологія","volume":null,"pages":null},"PeriodicalIF":0.0,"publicationDate":"2022-12-29","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"121323773","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

{"title":"КОМБІНАЦІЯ ЛОКАЛЬНОЇ ПОРОГОВОЇ БІНАРИЗАЦІЇ ТА МАШИННОГО НАВЧАННЯ ДЛЯ КЛАСИФІКАЦІЇ ПУХЛИН МОЛОЧНОЇ ЗАЛОЗИ","authors":"Людмила Добровська, В. О. Бабенко, А.С. Іванченко","doi":"10.20535/2617-8974.2022.8.267793","DOIUrl":"https://doi.org/10.20535/2617-8974.2022.8.267793","url":null,"abstract":"Проблематика. Рання діагностика раку молочної залози має колосальне значення, оскільки дана патологія є одним із найбільш розповсюджених чинників летальності серед жінок по всьому світу. Чи не небезпечнішим підтипом раку молочної залози вважається інвазивна протокова карцинома. Зазвичай патологоанатоми фокусуються на областях з подібною карциномою, так як це дозволяє присвоїти оцінку агресивності усьому зразку монтування. Саме тому важливою задачею є автоматизоване виявлення карциноми при діагностиці ракових пухлин молочної залози. \u0000Мета. Встановлення основних етапів побудови діагностичних алгоритмів класифікації типу ракової пухлини молочної залози на основі аналізу гістологічних знімків. \u0000Методика реалізації. Запропоновано алгоритм на основі методу локальної порогової бінаризації для вилучення інформативних ознак з медичних зображень, та машинного навчання для побудови моделей розпізнавання типу ракової пухлини молочної залози за допомогою методів класифікації, таких як: метод групового урахування аргументів, логістична регресія, наївний байєсів класифікатор, метод k найближчих сусідів, та метод випадкового лісу. Перед виконанням алгоритму вибірку зображень було розбито на робочу (80%) для навчання моделей, та екзаменаційну (20%), яка не приймає жодної участі в експериментах аж до отримання результуючої моделі. Після застосування локальної порогової бінаризації отримуються дуети (комбінації із двох пікселей) і тріо (комбінації із трьох пікселей). При моделюванні робоча вибірка була розбита на тренувальну (75%) і тестову (25%).   \u0000Результати дослідження. В результаті моделювання було отримано 10 моделей машинного навчання. Найкращою з них виявилась модель KNN, навчена на дуетах бінаризованих пікселей, що дала на тестовій вибірці 78.5% точності класифікації. \u0000Ключові слова – молочна залоза, ракові пухлини, гістологічні знімки, візуальна діагностика, бінаризація знімку, штучний інтелект, машинне навчання.","PeriodicalId":386518,"journal":{"name":"Біомедична інженерія і технологія","volume":null,"pages":null},"PeriodicalIF":0.0,"publicationDate":"2022-12-29","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"134537901","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

{"title":"ЛАБОРАТОРНИЙ МАКЕТ ДЛЯ ДЕМОНСТРАЦІЇ ЯВИЩА УЛЬТРАЗВУКОВОЇ ЛЕВІТАЦІЇ ЧАСТИНОК РІЗНОГО РОЗМІРНОГО ДІАПАЗОНУ","authors":"Андрій Дубко, Л.Є. Калашнікова","doi":"10.20535/2617-8974.2022.8.270861","DOIUrl":"https://doi.org/10.20535/2617-8974.2022.8.270861","url":null,"abstract":"В роботі показано функціонування лабораторного макету для демонстрації явища акустичної левітації на основі  ультразвуку з характеристичною  частото 40 кГц. Метод ультразвукової левітації був реалізований з використанням мікроконтролера  Arduino UNO та двох пьезокерамічних  випромінювачів. Такий метод дозволяє одночасно маніпулювати кількома частинками міліметрового діапазону.  Відзначено, що при розгляді в масштабі довжини хвилі 8,5 мм,  акустична маніпуляція забезпечує можливості управління як мілі- так мікрооб'єктами, Результати дослідження демонструють можливість застосування акустичної левітації для позиціонування та орієнтації декількох об'єктів у просторі. Таку технологію відрізняють унікальні характеристики порівняно з раніше застосовуваними подібними технологіями. Головною відмінністю акустичного методу відрізняють такі особливості, як велика сила захоплення на одиницю вхідної потужності та здатність маніпулювати об'єктами від міліметрового до сантиметрового діапазону. \u0000Ключові слова: акустична левітація, ультразвук, робоча частота 40 кГц, маніпуляції мікрочастинками.","PeriodicalId":386518,"journal":{"name":"Біомедична інженерія і технологія","volume":null,"pages":null},"PeriodicalIF":0.0,"publicationDate":"2022-12-29","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"129559048","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

{"title":"ЗАСТОСУВАННЯ НЕЙРОННИХ МЕРЕЖ ДЛЯ ДІАГНОСТИКИ ТРОМБОЕМБОЛІЇ ЛЕГЕНЕВОЇ АРТЕРІЇ ЗА ДАНИМИ КТ ОГК","authors":"Е.І. Алієв, О.К. Городецька","doi":"10.20535/2617-8974.2022.7.266826","DOIUrl":"https://doi.org/10.20535/2617-8974.2022.7.266826","url":null,"abstract":"Проблематика. Тромбоемболія легеневої артерії (ТЕЛА) – це оклюзія тромбом легеневої артерії (ЛА), що транспортує венозну кров із серця до легень для насичення киснем. Як наслідок, організм людини перестає отримувати достатню кількість кисню і виникає гіпоксія. При критичній гіпоксії, спричиненій ТЕЛА, хворий може померти. Смертність від ТЕЛА при неправильній діагностиці або відсутності медичної допомоги протягом перших кількох годин досягає 50% випадків. За своєчасного надання допомоги та адекватного лікування ризик смерті знижується до 10%. Діагностика ТЕЛА є складним завданням, оскільки всі симптоми є неспецифічними. Стандартні методи обстеження (звичайні лабораторні тести, електрокардіографія (ЕКГ), рентгенографія органів грудної клітки) корисні лише для виключення іншої патології. До чутливих та специфічних методів діагностики ТЕЛА відносять комп'ютерну томографію (КТ) органів грудної клітини (ОГК). Автоматизація аналізу отриманих за допомогою КТ ОГК даних може значно пришвидшити постановку діагнозу, що сприятиме вчасному отриманню специфічної терапії та збільшить шанси пацієнта на виживання. \u0000Мета дослідження. Метою роботи є створення моделі згорткової нейронної мережі для аналізу зображень КТ ОГК, що дозволить діагностувати наявність ТЕЛА у пацієнта та класифікувати її тип. \u0000Методика реалізації. Зображення отримані за допомогою КТ ОГК з використанням контрастного підсилення дуже детально візуалізують стовбур та гілки ЛА. Аналіз цих зображень можна виконати за допомогою згорткової нейронної мережі для пошуку специфічних ознак тромбозу та класифікації випадку ТЕЛА (масивна, лівої чи правої гілок, хронічна). Для точності розпізнавання додатково необхідно сегментувати область ЛА та контрастувати зображення у певному діапазоні. \u0000Результати дослідження. Побудована модель згорткової нейронної мережі має високу точність та специфічність. На тренувальній вибірці модель показала точність 96,3% та специфічність 96,1%, на тестовій вибірці – точність 97,1% специфічність 96,2%. \u0000Висновки. В результаті роботи одержано модель згорткової нейронної мережі, яка аналізує зображення отримані за допомогою КТ ОГК та з високою точністю діагностує ТЕЛА і визначає її тип.","PeriodicalId":386518,"journal":{"name":"Біомедична інженерія і технологія","volume":null,"pages":null},"PeriodicalIF":0.0,"publicationDate":"2022-11-26","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"121707336","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}