ИССЛЕДОВАНИЕ И РАЗРАБОТКА ИНТЕЛЛЕКТУАЛИЗИРОВАННОЙ ЭКСПЕРТНОЙ СИСТЕМЫ ДЛЯ ОБРАБОТКИ БИОМЕДИЦИНСКИХ ИЗОБРАЖЕНИЙ НА ПРИМЕРЕ АНАЛИЗА ЭХОКАРДИОГРАФИЧЕСКИХ СНИМКОВ СЕРДЦА
DOI:
https://doi.org/10.52167/1609-1817-2025-139-4-114-121Ключевые слова:
эхокардиография, биомедицинская обработка изображений, интеллектуальная экспертная система, искусственный интеллект, машинное обучение, нейронные сети, медицинская диагностика, сердечно-сосудистые заболевания, сегментация изображений, автоматизированный анализАннотация
Эта обзорная статья посвящена разработке интеллектуальной экспертной системы для анализа эхокардиографических изображений, используемых для диагностики сердечно-сосудистых заболеваний. Будут изучены эффективные алгоритмы обработки биомедицинских изображений с использованием методов искусственного интеллекта( ИИ) и машинного обучения (МО). Система позволяет автоматически анализировать структурные и функциональные показатели сердца, выявлять патологические изменения на ранней стадии, поддерживать процесс принятия решений врачами. В ходе исследования рассматриваются методы сегментации, классификации и параметрического анализа изображений. Также изучаются способы повышения точности и скорости обработки эхокардиографических данных с помощью нейронных сетей. Обсуждаются возможности клинического применения разрабатываемой системы и ее диагностическая эффективность. Эта работа способствует развитию инновационных подходов в области обработки медицинских изображений и помогает врачам-кардиологам улучшить качество диагностики.
Библиографические ссылки
Pavlov S.V. Tele-detection system for the automatic sensing of the state of the cardiovascular functions in situ // R.H. Rovira, S.V. Pavlov, W. Wójcik and etc. // Information Technology in Medical Diagnostics II. CRC Press / Balkema book, 2019 Taylor & Francis Group, London, UK, PP. 289-296.
Liudmyla Shkilniak, Waldemar Wójcik, Sergii Pavlov, Oleg Vlasenko, Orken Mamyrbayev, and etc. Expert fuzzy systems for evaluation of intensity of reactive edema of soft tissues in patients with diabetes, Informatyka, Automatyka, Pomiary w Gospodarce i OchronieŚrodowiska, 2022/9/30, Vol. 12, № 3, P. 59-63.
Brown, A. L., & Smith, J. D. (2021). Deep Learning in Medical Imaging: Applications in Cardiology. Springer.
Litjens, G., Kooi, T., Bejnordi, B. E., et al. (2017). A survey on deep learning in medical image analysis. Medical Image Analysis, 42, 60-88.
LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning. Nature, 521(7553), 436-444.
Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning. MIT Press.
Ronneberger, O., Fischer, P., & Brox, T. (2015). U-Net: Convolutional networks for biomedical image segmentation. International Conference on Medical Image Computing and Computer-Assisted Intervention (MICCAI), 234-241.
Smistad, E., Bozorgi, M., & Ostvik, A. (2020). Real-time automatic segmentation of the left ventricle in 2D echocardiography using deep learning. IEEE Transactions on Medical Imaging, 39(12), 3766-3775.
Chen, J., Lu, Y., Chen, X., et al. (2021). AI-powered echocardiography analysis for automated diagnosis of cardiovascular diseases. European Heart Journal - Digital Health, 2(4), 531-541.
Ismail, T. M., & Nordin, M. J. (2019). Fuzzy logic-based heart disease diagnosis system using echocardiographic images. Biomedical Signal Processing and Control, 49, 437-445.
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Категории
Лицензия
Copyright (c) 2025 Алия Иманбекова
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.
