EUVIMEDEUVIMED entdecken
Crossref

Алгоритмы искусственного интеллекта для оценки извитости магистральных сосудов

А. А. Ильина, И. А. Лакман, А. Т. Бикмеев, А. Р. Еникеева, Е. А. Бадыкова, Н. Ш. Загидуллин, О. А. Брюханова

Вестник Российского государственного медицинского университета · 05.02.2026 · (1)

DOI: 10.24075/vrgmu.2026.005 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Вестник Российского государственного медицинского университета, online erschienen am 05.02.2026. Verfasst von А. А. Ильина und 6 weiteren Autor:innen.

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Извитость коронарных, цереброваскулярных артерий, аорты и ее ветвей остается одной из значимых сосудистых проблем, которая с одной стороны осложняет выбор тактики рентгенохирургического лечения, а с другой — ухудшает прогноз самого заболевания. Отсутствие единых стандартов оценки извитости коронарных, цереброваскулярных артерий, аорты и ее ветвей снижает точность диагностики пациентов с высоким риском сердечнососудистых событий. Одним из возможных решений данной проблемы является применение машинного обучения для автоматической оценки извитости. Целью исследования было провести анализ и сравнение точности, клинической применимости и ограничений существующих методов автоматической оценки извитости коронарных, цереброваскулярных артерий, аорты и ее ветвей с использованием инструментов машинного обучения. Систематический обзор проводили по протоколу PRISMA с поиском статей в базах данных PubMed, Scopus и eLibrary за период с 2015 по 2025 гг. по ключевым словам: deep learning, machine learning, artificial intelligence, vessel tortuosity, curvature. Из 240 выявленных публикаций в анализ было включено шесть. Анализ показал, что 80% подходов основаны на сверточных нейронных сетях, обязательным этапом предобработки изображений является скелетирование для отсечения мелких сосудов от артерии. В 50% статей извитость артерий определяется качественно по наличию углов изгибов более 45°. Количественно извитость определяли как коэффициент расстояния и мера кривизны. Верификацию оценок в трех из шести исследований проводили при сравнении результатов с мнениями экспертов (точность составила 0,92–0,94). Ограничения исследования — моноцентричность, использование данных одного типа оборудования.

Zitieren

APA

Ильина, А. А., Лакман, И. А., Бикмеев, А. Т., Еникеева, А. Р., Бадыкова, Е. А., Загидуллин, Н. Ш., & Брюханова, О. А. (2026). Алгоритмы искусственного интеллекта для оценки извитости магистральных сосудов. Вестник Российского государственного медицинского университета. https://doi.org/10.24075/vrgmu.2026.005

Vancouver

Ильина АА, Лакман ИА, Бикмеев АТ, Еникеева АР, Бадыкова ЕА, Загидуллин НШ, et al. Алгоритмы искусственного интеллекта для оценки извитости магистральных сосудов. Вестник Российского государственного медицинского университета. 2026. doi:10.24075/vrgmu.2026.005

BibTeX
@article{2026,
  author = {Ильина, А. А. and Лакман, И. А. and Бикмеев, А. Т. and Еникеева, А. Р. and Бадыкова, Е. А. and Загидуллин, Н. Ш. and Брюханова, О. А.},
  title = {Алгоритмы искусственного интеллекта для оценки извитости магистральных сосудов},
  journal = {Вестник Российского государственного медицинского университета},
  year = {2026},
  number = {1},
  doi = {10.24075/vrgmu.2026.005}
}
Kostenlos starten →