Повышение качества выделения сложноструктурированных объектов на томографических изображениях

Интерпретация и анализ большого потока медицинских данных с целью принятия решения по тактике лечения и ведения пациента становится невозможным без использования информационных технологий. Применение различных методов из области интеллектуального анализа способствуют повышению точности медицинской визуализации в диагностике заболеваний; позволяют автоматизировать рутинные задачи; удалить расхождения в результатах, связанных с человеческим фактором; диагностирования ошибок (лабораторные, инструментальные); устранить неэффективность при чтении изображений или патологии. Кроме того, возможен контроль качества и выявления наиболее часто пропускаемых особенностей визуализируемой картины. В проведенном исследовании был разработан метод, включающий в себя: выделение рабочей области, пространственную фильтрацию и бинаризацию изображения, что позволяет заметно упростить восприятие исходного снимка без потери значимой информации, необходимой при диагностике заболеваний. Рассчитанные текстурные количественные характеристики посредством алгоритмов машинного обучения позволяют достигать высокого качества моделей в определении фенотипа новообразования паренхимы почки. В исследовании проведено решение задачи по использованию интеллектуального анализа в прогнозировании периоперационных результатов хирургического лечения пациентов с локализованными образованиями паренхимы почки из высокотехнологичного лапароскопического доступа.