Research indexJournal article
Сравнительный анализ применения архитектур глубокого обучения в задаче автоматической идентификации питающих сосудов по данным КТ
Юзумас
Electronic Library of Peter the Great Polytechnic University21 Aug 2026Open access
NobleIDark:/48914/w1/20261105/7CE023D2DOI10.18720/spbpu/3/2026/vr/vr26-3470
Сравнительный анализ применения архитектур глубокого обучения в задаче автоматической идентификации питающих сосудов по данным КТ
Юзумас · Electronic Library of Peter the Great Polytechnic University · 2026
NobleIDark:/48914/w1/20261105/7CE023D2DOI10.18720/spbpu/3/2026/vr/vr26-3470
Free to read at the publisher
You can read the abstract here, or the full text at the publisher.
Abstract
Данная работа посвящена исследованию методов компьютерного зрения и разработке ядра системы поддержки принятия решений при планировании эндоваскулярных вмешательств. В ходе работы решались следующие задачи: 1. Подготовка и предобработка медицинских наборов данных. 2. Анализ современных архитектур сегментации 3D-изображений. 3. Настройка, обучение и сравнительный анализ нейросетевых моделей nnU-Net и 3D U-Net. 4. Разработка графового алгоритма для пространственной идентификации пи-тающего сосуда. 5. Апробация прототипа на анонимизированных клинических КТ-исследованиях. По результатам сравнительного анализа, самонастраивающаяся архитек-тура nnU-Net продемонстрировала значительное преимущество над трёхмерной сверточной сетью 3D U-Net на базе фреймворка MONAI. Разработан алгоритм перехода от воксельного представления к графовой модели. Реализован математический поиск точки входа магистрального сосуда в опухолевый очаг. Про-анализирована проблема «сдвига домена» при тестировании моделей на реальных клинических данных. Разработанный алгоритмический прототип подтвердил работоспособность и может рассматриваться в качестве вычислительного ядра для систем поддержки принятия решений.