NobleBlocks

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

Free to read at the publisher

You can read the abstract here, or the full text at the publisher.

Read 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.

Discussion

More

Suggest a correction or report