Подготовка датасетов и обучение модели для автоматического удаления шумов с медицинского рентгеновского изображения. Испытания и доработка модели для автоматического удаления шумов с медицинского рентгеновского изображения. Подготовка датасетов и обучение модели для автоматической сегментации медицинских рентгеновских изображений. Разработка физико-математической модели формирования сигнала на рентгеновских снимках в зависимости от тканевого состава объекта исследования в диапазоне анодных напряжений 20-50 кВ.

Отчет 67 с., 34 рисунка, 2 таблицы, 6 источников, 1 приложение. МЕДИЦИНСКОЕ РЕНТГЕНОВСКОЕ ИЗОБРАЖЕНИЕ, ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ, ИСКУССТВЕННАЯ НЕЙРОННАЯ СЕТЬ, ШУМОПОДАВЛЕНИЕ, СЕГМЕНТАЦИЯ Объектом исследования на первом этапе НИОКР «Разработка методов и программных средств улучшения качества изображений и обогащения данных для систем поддержки дифференциальной диагностики и принятия клинических решений с использованием технологий искусственного интеллекта на основе машинного обучения» являются: - подготовка датасетов и обучение модели для автоматического удаления шумов с медицинского рентгеновского изображения; - испытания и доработка модели для автоматического удаления шумов с медицинского рентгеновского изображения; - подготовка датасетов и обучение модели для автоматической сегментации медицинских рентгеновских изображений; - разработка физико-математической модели формирования сигнала на рентгеновских снимках в зависимости от тканевого состава объекта исследования в диапазоне анодных напряжений 20-50 Кв. В процессе работы рассмотрены проблемы шумоподавления рентгеновских изображений, методы оценки шумов и вычислений параметров модели шума; предложен способ подавления шума на рентгеновском изображении с помощью искусственной нейронной сети; проведены испытания и доработка модели для автоматического удаления шумов с медицинского рентгеновского изображения; рассмотрены проблемы автоматизированной сегментации медицинских изображений; исследованы методы сегментации, способы обработки и анализа исходных данных; определена архитектура искусственной нейронной сети в частном варианте сегментирования объектов и порядок формирования датасетов и обучения ИНС при автоматизированной сегментации медицинских изображений; разработана физико-математическая модель формирования сигнала на рентгеновских снимках в зависимости от тканевого состава объекта исследования в диапазоне анодных напряжений 20-50 кВ.