СЕГМЕНТАЦИЯ ЭЛЕКТРОННЫХ ПЛАНТОГРАММ СРЕДСТВАМИ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА 

Виктор Валерьевич Михайлишин, младший научный сотрудник лаборатории инновационных и экспертно-реабилитационных технологий, Федеральный научно-образовательный центр медико-социальной экспертизы и реабилитации имени Г. А. Альбрехта Министерства труда и социальной защиты Российской Федерации (Россия, г. Санкт-Петербург, ул. Бестужевская, 50), E-mail: mikhailishin_v@mail.ru

Актуальность и цели. Компьютерная плантография является одним из методов диагностики состояния стоп. В ходе расчета клинико-функциональных показателей при проведении данного исследования одним из этапов является выделение точек, лежащих на границе зоны контакта стопы с опорной поверхностью. Ввиду стремления снизить нагрузку на специалистов при проведении этой процедуры и развития технологий искусственного интеллекта актуальной задачей является разработка модели сегментации зон контакта на плантограммах как одного из этапов автоматизации проведения данного исследования. Цель исследования – разработать и апробировать модель сегментации опорной зоны стопы на снимках компьютерной плантографии средствами искусственного интеллекта. Материалы и методы. В исследовании использован датасет, содержащий 500 снимков компьютерной плантографии разных пациентов. Результаты. По результатам обучения модели yolo11x-seg (модель сегментация снимков) были получены высокие показатели в задачах детекции и сегментации зон контакта совместно в переднем и среднем отделах стопы и отдельно в заднем отделе стопы. Метрики качества работы модели составили: mAP50 – 0,9727, mAP50-95 – 0,8293, точность – 0,9849, полнота – 0,9684 в задаче детекции сегментируемой области; mAP50 – 0,9727, mAP50-95 – 0,8482, точность – 0,9849, полнота – 0,9688 в задаче семантической сегментации. Полученные показатели подтверждают способность модели эффективно выделять и сегментировать общую зону контакта в переднем и среднем отделах стопы, а также зону контакта в заднем отделе стопы. Выводы. Интеграция данной модели в системы поддержки принятия врачебных решений обеспечит ускорение процесса анализа снимков и снижение трудозатрат специалистов, что позволит оптимизировать проведение научных исследований и повысить качество медицинских услуг.

Ключевые слова

стопа, компьютерная плантография, искусственный интеллект, семантическая сегментация, зоны контакта, зоны ишемии

 Скачать статью в формате PDF

Для цитирования:

Михайлишин В. В. Сегментация электронных плантограмм средствами искусственного интеллекта // Модели, системы, сети в экономике, технике, природе и обществе. 2025. № 1. С. 75–83. doi: 10.21685/2227-8486-2025-1-6