ОБРАБОТКА ГРАФИЧЕСКИХ ДАННЫХ НА ОСНОВЕ МЕТОДОВ КОМПЬЮТЕРНОГО ЗРЕНИЯ В СФЕРЕ МЕДИЦИНЫ

В статье описаны методы сегментации, используемые при анализе медицинских изображений. Рассмотрены преимущества и недостатки таких методов как пороговые значения, классификация, кластеризация, Марковские сети, нейронные сети, деформируемые модели, используемых при анализе изображений магнитно-резонансной томографии и компьютерной томографии. Представлен процесс разработки программной технологии обработки графических данных с использованием компьютерного зрения в сфере здравоохранения. Описаны этапы проектирования и моделирования разработанной системы. Обработка данных посредством сегментации изображений способствует точности диагностирования и тесного взаимодействия между пользователями приложения. Также создана база данных и кроссплатформенное приложение, позволяющее хранить объем исследований в облаке приложений. Проведено полное тестирование созданного мобильного приложения. В сфере здравоохранения сегментация медицинских изображений становится все наиболее необходимой функцией для более точной диагностики и дальнейшей верификации диагноза пациента, а потому, благодаря своевременному выявлению различных заболеваний, будет широко использоваться для более рационального и целенаправленного лечения, улучшающее качество жизни населения. При разработке приложения обработка данных осуществлялась с помощью таких библиотек, как OpenCV, Tensorflow, PyTorch, которые способствуют анализу графических данных.