Development and testing of a medical decision support system in endoscopy

Cover Page


Cite item

Full Text

Abstract

.

Full Text

ЦЕЛЬ разработка алгоритмов анализа эндоскопических изображений на основе методов искусственного интеллекта, а также создание на их основе комплекса программных модулей, организующих полный цикл обработки эндоскопических данных — от захвата кадра до внесения результатов обработки в историю болезни пациента.

РЕЗУЛЬТАТЫ. Основные результаты на данном этапе можно сформулировать следующим образом [1, 2]:

  • собраны и экспертно размечены базы изображений эндоскопических исследований желудка и кишечника;
  • разработан модуль видеозахвата, обеспечивающий захват и разбиение на кадры видеопотока с разрешением до 4K и частотой смены кадров до 60 fps;
  • проведено комплексное тестирование ряда алгоритмов на основе глубоких нейронных сетей на созданной базе эндоскопических снимков, размер которой составил более 20 000 изображений;
  • разработан модуль выходного интерфейса обмена данными между модулем нейросетевых алгоритмов системы и сопряжённой медико-информационной системой;
  • проведена апробация разработанного программно-аппаратного комплекса в эндоскопическом отделении городской клинической больницы им. С.П. Боткина (Москва) и эндоскопическом отделении Ярославской областной клинической онкологической больницы.
×

About the authors

A. N. Ganin

LLC "Point of View"

Author for correspondence.
Email: vhr@yandex.ru
Russian Federation, Yaroslavl

V. V. Khryaschev

P.G. Demidov Yaroslavl State University

Email: vhr@yandex.ru
Russian Federation, 14, Sovetskaya street,Yaroslavl, 150003

S. V. Kashin

Yaroslavl Regional Clinical Oncological Hospital

Email: vhr@yandex.ru
Russian Federation, Yaroslavl

D. V. Zavyalov

Yaroslavl Regional Clinical Oncological Hospital

Email: vhr@yandex.ru
Russian Federation, Yaroslavl

References

  1. Lebedev AA, Khryashchev VV, Kazina EM, et al. Recognition of the mouth of the vermiform process on endoscopic images of the rectum based on a convolutional neural network. In: XXII International Conference “Digital Signal Processing and its Application” (DSPA), March 25–27, 2020. Moscow; 2020. Р. 638–642. (In Russ).
  2. Lebedev A, Khryashchev V, Kazina E, et al. Automatic identification of appendiceal orifice on colonoscopy images using deep neural network / Proceedings of 2020 IEEE East-West Design and Test Symposium (EWDTS, September 2020). Varna; Bulgaria; 2020. Р. 367–371.

Supplementary files

Supplementary Files
Action
1. JATS XML

Copyright (c) 2021 Ganin A.N., Khryaschev V.V., Kashin S.V., Zavyalov D.V.

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

СМИ зарегистрировано Федеральной службой по надзору в сфере связи, информационных технологий и массовых коммуникаций (Роскомнадзор).
Регистрационный номер и дата принятия решения о регистрации СМИ: серия ПИ № ФС 77 - 79539 от 09 ноября 2020 г.


This website uses cookies

You consent to our cookies if you continue to use our website.

About Cookies