Інтелектуальний аналіз нейровізуалізаційних даних: застосування методів класифікації та кластеризації в МРТ-діагностиці

Abstract

Робота присвячена вирішенню критичної проблеми автоматизації аналізу великих масивів медичних даних у МРТ-діагностиці за допомогою методів штучного інтелекту. Розглянуто комплексний процес обробки тривимірних томографічних тензорів, що охоплює етапи препроцесингу (адаптивна фільтрація шуму Райса, топологічна чистка екстракраніальних тканин), сегментації анатомічних структур та виділення цифрових ознак (текстурні дескриптори Хараліка, статистичні та морфологічні показники). Обґрунтовано доцільність використання методу нечітких С-середніх (FCM) замість жорсткої бінарної логіки K-means для успішного нівелювання ефекту часткового об'єму на межах інфільтрації пухлин. Запропоновано та верифіковано гібридну діагностичну систему «FCM + CNN», де попередня м'яка сегментація виконує роль фільтра уваги для згорткової нейромережі. Практична реалізація підтвердила високу точність моделі (99,2% на виражених патологіях) та окреслила напрями подальшого вдосконалення через перехід до архітектур на базі трансформерів.