Ормели М.Ф.
РАЗРАБОТКА ИНФОРМАЦИОННО-РЕКОМЕНДАТЕЛЬНОЙ СИСТЕМЫ ДЛЯ АНАЛИЗА РЕНТГЕНОВСКИХ СНИМКОВ С ИСПОЛЬЗОВАНИЕМ ИИ *
Аннотация:
в статье рассматривается процесс разработки программного обеспечения информационно-рекомендательной системы для анализа рентгеновских снимков органов грудной клетки. Описаны этапы проектирования архитектуры, выбора технологий и реализации ключевых модулей системы, включающей интеллектуальный анализ изображений с применением сверточных нейронных сетей (CNN) и технологий Grad-CAM для визуализации признаков патологий. Проведён сравнительный анализ существующих решений и обоснована необходимость создания собственной системы с удобным веб-интерфейсом для медицинских специалистов. Представлены результаты внедрения прототипа, демонстрирующего практическую значимость использования ИИ в медицинской диагностике.
Ключевые слова:
информационная система, рентген, искусственный интеллект, обработка изображений, диагностика, нейронные сети, язык Python
Введение.Современные информационные технологии играют ключевую роль в цифровизации медицины, в частности — в автоматизации и повышении эффективности диагностики заболеваний. Разработка интеллектуальных систем для анализа медицинских изображений, таких как рентгеновские снимки органов грудной клетки, актуальна в условиях увеличения потока пациентов, нехватки специалистов и необходимости быстрой и точной диагностики. Особенно остро эта проблема проявилась в период пандемии COVID-19 и сохраняет свою значимость в сфере выявления пневмоний, туберкулёза и других лёгочных патологий.Целью работы является создание программного обеспечения, способного автоматически анализировать медицинские изображения, выдавать предварительное диагностическое заключение и визуализировать ключевые признаки патологий, что облегчает принятие решений медицинскими специалистами.Анализ существующих решений.Существующие программные продукты для автоматизированной диагностики лёгочных заболеваний (CheXNet, COVID-Net, Aidoc, Qure.ai и др.) либо требуют интеграции с внешними сервисами, либо ограничены по функционалу, недоступны для локального использования или имеют сложный интерфейс для врача. Большинство решений не адаптированы для использования в условиях ограниченного доступа к интернету и зачастую не предоставляют возможность локального внедрения.Таблица 1. Сравнительный анализ решений для автоматизации диагностики по рентгеновским снимкам.Архитектура и технологии.Разрабатываемая система построена по клиент-серверной архитектуре и включает три основных модуля:•Клиентская часть — веб-интерфейс на HTML/CSS с использованием Jinja2,•Серверная часть — микрофреймворк Flask на языке Python,•Модуль интеллектуального анализа — сверточные нейронные сети (CNN), обученные на открытых датасетах ChestX-ray14, COVIDx и др.Поток данных в системе:Пользователь через веб-интерфейс загружает рентгеновский снимок, который обрабатывается сервером (нормализация, фильтрация), далее поступает в модуль анализа. После обработки нейросетью система возвращает вероятностное заключение и визуализирует области внимания (Grad-CAM), облегчая интерпретацию для врача.Архитектура и технологии.Разрабатываемая система построена по клиент-серверной архитектуре и включает три основных модуля:•Клиентская часть — веб-интерфейс на HTML/CSS с использованием Jinja2,•Серверная часть — микрофреймворк Flask на языке Python,•Модуль интеллектуального анализа — сверточные нейронные сети (CNN), обученные на открытых датасетах ChestX-ray14, COVIDx и др.Поток данных в системе:Пользователь через веб-интерфейс загружает рентгеновский снимок, который обрабатывается сервером (нормализация, фильтрация), далее поступает в модуль анализа. После обработки нейросетью система возвращает вероятностное заключение и визуализирует области внимания (Grad-CAM), облегчая интерпретацию для врача.Таблица 2. Этапы обработки изображения в системе.Результаты и практическая значимость.В ходе реализации создан работоспособный прототип системы, позволяющий автоматически загружать рентгеновские снимки, выполнять их предобработку, анализ и визуализацию ключевых признаков патологий. Итоговый результат выводится в виде краткого текстового заключения и выделения подозрительных областей на изображении.Система может быть использована как вспомогательный инструмент для поддержки принятия решений, особенно в учреждениях с недостатком специалистов или высокой нагрузкой на медицинский персонал.Заключение.Реализация информационно-рекомендательной системы для анализа рентгеновских снимков с применением ИИ и современных технологий веб-разработки позволяет повысить эффективность и точность диагностики лёгочных заболеваний. Внедрение таких решений способствует развитию цифровой медицины, увеличивает доступность качественной диагностики и снижает влияние человеческого фактора.
Номер журнала Вестник науки №6 (87) том 1
Ссылка для цитирования:
Ормели М.Ф. РАЗРАБОТКА ИНФОРМАЦИОННО-РЕКОМЕНДАТЕЛЬНОЙ СИСТЕМЫ ДЛЯ АНАЛИЗА РЕНТГЕНОВСКИХ СНИМКОВ С ИСПОЛЬЗОВАНИЕМ ИИ // Вестник науки №6 (87) том 1. С. 1522 - 1526. 2025 г. ISSN 2712-8849 // Электронный ресурс: https://www.вестник-науки.рф/article/23764 (дата обращения: 12.07.2025 г.)
Вестник науки © 2025. 16+