Реєстраційний номер
0826U003581, Дисертація доктора філософії
На здобуття
Доктор філософії
Дата захисту
28-08-2026
Статус
Наказ про видачу диплома
Назва роботи
Розроблення моделей та програмного забезпечення підтримки прийняття рішень під час діагностики за медичними даними
Здобувач
Соломатін Владислав Андрійович,
Керівник Антоненко Світлана Валентинівна
Опонент Приходченко Сергій Дмитрович
Опонент Євланов Максим Вікторович
Рецензент Іванченко Марина Геннадіївна
Рецензент Божуха Лілія Миколаївна
Установа, організація, у вченій раді якої відбудеться/відбувся захист
Дніпровський національний університет імені Олеся Гончара
Опис
Дисертаційна робота присвячена розробленню моделей глибинного навчання та програмного забезпечення для автоматизованої сегментації серцевої області на рентгенівських знімках грудної клітки (Chest X-ray, CXR) у системах підтримки прийняття рішень під час первинної діагностики серцево-судинних захворювань, зокрема ішемічної хвороби серця. Запропонований підхід поєднує сучасні методи комп’ютерного зору, морфологічного аналізу та нейронних мереж для точного виділення області інтересу (ROI) серця, що створює основу для подальшого автоматизованого аналізу медичних зображень.
Актуальність дослідження обумовлена високою поширеністю серцево-судинних захворювань та необхідністю підвищення ефективності їх раннього виявлення. Рентгенографія органів грудної клітки є одним із найпоширеніших методів первинного обстеження, однак інтерпретація CXR-зображень ускладнюється наявністю шумів, артефактів, накладанням анатомічних структур і залежністю від досвіду лікаря. Використання методів глибинного навчання дає можливість автоматизувати процес аналізу, зменшити вплив людського фактора та забезпечити відтворюваність результатів.
Метою дисертаційної роботи є створення моделі та програмного забезпечення для підтримки прийняття рішень під час автоматизованого аналізу CXR-зображень шляхом надійного виділення серцевої області та формування інформативних результатів сегментації для виявлення ознак ішемічної хвороби серця.
Об’єктом дослідження є процес автоматизованого аналізу рентгенівських знімків грудної клітки для виділення серцевої області, оцінювання її морфологічних характеристик та використання отриманих результатів у системах підтримки прийняття рішень. Предметом дослідження є методи, моделі та алгоритми глибинного навчання для сегментації серцевої області на CXR-зображеннях.
У першому розділі проведено аналіз існуючих методів сегментації медичних зображень, розглянуто класичні алгоритми обробки зображень і сучасні нейромережеві архітектури типу encoder–decoder. Визначено їхні переваги та недоліки під час сегментації серцевої області на CXR-знімках і обґрунтовано необхідність поєднання морфологічних механізмів, багатомасштабного аналізу та контурної інформації.
У другому розділі сформульовано математичну постановку задачі, описано використаний набір даних, структуру анотацій і процедуру підготовки даних. Наведено етапи попередньої обробки та аугментації зображень, а також методику оцінювання якості сегментації за метриками Dice, IoU та Acc_heart.
У третьому розділі розроблено спеціалізовану архітектуру CardioEdgeBioMorphNet, побудовану за принципом encoder–decoder та доповнену морфологічно орієнтованими й edge-aware компонентами. До складу моделі входять блок EdgeMorphBlock, окремий Sobel edge-потік, модуль багатомасштабного аналізу ASPP, диференційовний механізм морфологічної уваги DMGGA, SoftMorphPool2D, механізм edge-fusion у декодері та Adaptive Boundary Rejection для відкидання невпевнених пікселів у фоновий клас. Поєднання зазначених компонентів забезпечує точніше відтворення меж серця, підсилення морфологічно значущих ознак і зменшення кількості хибнопозитивних включень.
У четвертому розділі наведено програмну реалізацію моделі, описано процес навчання та тестування, виконано порівняння запропонованого підходу з відомими архітектурами сегментації, а також проведено абляційний аналіз окремих компонентів моделі. Експериментальні результати підтвердили перевагу комплексного використання морфологічних блоків, edge-aware механізмів, багатомасштабного аналізу та адаптивного порогового відкидання пікселів для підвищення якості сегментації серцевої області.
Наукова новизна роботи полягає у розробленні нової архітектури CardioEdgeBioMorphNet для сегментації серцевої області на CXR-зображеннях, удосконаленні морфологічних блоків шляхом інтеграції edge-aware компонентів, створенні диференційовного механізму морфологічної уваги DMGGA, реалізації окремого Sobel edge-потоку з механізмом edge-fusion та впровадженні Adaptive Boundary Rejection для зменшення кількості помилкових сегментацій. Крім того, вперше запропоновано поєднання результатів сегментації з автоматизованим формуванням допоміжного класифікаційного висновку на основі аналізу ймовірностей у межах виділеної області серця.
Практичне значення роботи полягає у створенні програмного забезпечення для повного циклу автоматизованого аналізу CXR-зображень, що охоплює завантаження даних, передобробку, сегментацію, визначення ймовірного клінічного стану та візуалізацію результатів. Реалізований програмний комплекс забезпечує автоматичне виділення серцевої області без ручного окреслення меж, формує допоміжний класифікаційний висновок, відображає сегментаційну маску та рівень упевненості моделі. Запропонований підхід може використовуватися як допоміжний інструмент у клінічній практиці, наукових дослідженнях і навчальному процесі, а також створює основу для подальшого розвитку інтелектуальних систем підтримки прийняття рішень у медичній діагностиці.
Дата реєстрації
2026-07-14
Додано/оновлено в НРАТ
2026-07-14 / 2026-09-23
