В частности, в ближайшие годы для повышения точности систем медицинской диагностики будут активно внедряться технологии искусственного интеллекта, способные выявлять трудноразличимые признаки патологий.
13.03.2026
Компьютерное зрение – это технологии, которые, используя алгоритмы включая методы искусственного интеллекта, позволяют автоматизировать анализ изображений и видео для выполнения различных задач. Сегодня они находят широкое применение в самых разных сферах жизни человека, одно из ключевых это медицина
Основные сферы использования компьютерного зрения включают неинвазивную (т.е. без проникновения внутрь организма) диагностику заболеваний, например, анализ рентгеновских снимков, МРТ, КТ, ультразвуковых исследований. Компьютерное зрение может также применяться для изучения сетчатки глаза с целью диагностики диабетической ретинопатии и глаукомы. Еще одна важная область — визуальный контроль и планирование операций. Среди преимуществ систем компьютерного зрения, возможность выявления паттернов и патологий, часто невидимых человеческому глазу, а также высокая оперативность анализа снимков.
Возрастающая роль технологий искусственного интеллекта в медицинской сфере требует понимания ключевых трендов развития данной сферы и основных вызовов, которые этому развитию препятствуют. С этой целью исследователи СПбГЭТУ «ЛЭТИ» провели масштабный анализ развития систем технического зрения, начиная с внедрения рентгенографии, как метода для медицинской диагностики, изучив более 200 научных подходов.
«Мы проследили эволюцию методов глубокого обучения для компьютерного зрения как аналитического инструмента медицинских изображений. Особое внимание мы уделили адаптации этих технологий к двум ключевым задачам: сегментация и классификация объектов на изображениях».
Задача классификации – это определение того, какой именно объект представлен на изображении (например, нейросеть должна отличить рентгеновское изображение перелома от целой кости). Задача сегментации подразумевает возможность нахождения на изображении сегментов различных категорий (например, отделить на фото участки живой ткани организма от тех, что поражены опухолью).
Ученые ЛЭТИ отмечают, что современные подходы к использованию компьютерного зрения для задач классификации и сегментации достигли высокой точности. Однако пока она является недостаточной для широкого клинического применения: модели часто нестабильны при смене протоколов, плохо работают с несбалансированными классами и малоразмерными участками, зачастую требуют больших размеченных наборов и не дают интерпретируемость и, что более важно, надёжность, необходимые на практике.
«Будущие исследования в сфере медицинского компьютерного зрения будут нацелены на то, чтобы в приоритетном порядке решать проблемы, связанные с повышением точности классификации и сегментации изображений, способствуя разработке надежных, отказоустойчивых и клинически жизнеспособных решений на основе глубокого обучения для медицинской диагностики. Эта работа потребует не только совершенствования алгоритмов, но и расширения датасетов различной направленности для обучения моделей».
Результаты исследования опубликованы в научном журнале IEEE Access.
