Валиев А. Р., Савельева Т. В., Ласкин М. Б.

ПРЕДВАРИТЕЛЬНАЯ ПОДГОТОВКА ДАННЫХ ДЛЯ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ПРИ АНАЛИЗЕ КТ-СНИМКОВ

Резюме: Статья посвящена анализу снимков МРТ с помощью создания цифрового следа изображения и его обработке методами машинного обучения. Исследование проводится с целью создания системы поддержки приятия врачебных решений для предварительной диагностики новообразований. Изображение преобразуется в набор числовых данных, которые становятся исходными числовыми датасетами в предсказательных моделях классификации. Для пилотного проекта выбраны образования надпочечников и возможности их предварительной диагностики с помощью методов компьютерного зрения. Представлен порядок получения численных данных из МРТ – снимков и результаты предварительного анализа, полученные методами классификации, основанными на решающих деревьях. Работа в целом следует сформировавшемуся в последнее время направлению – радиомике, т.е. направлению, сочетающему в себе радиологию, обработку оцифрованных данных и методы машинного обучения.

Ключевые слова: радиомика, КТ-признаки, компьютерная томография, машинное обучение, решающие деревья, выделение признаков.

R. Valiev, T. V. Saveleva, M.B. Laskin

PRELIMINARY DATA PREP ARATION FOR DECISION SUPPORT SYSTEM IN CT IMAGE ANAL YSIS

Summary: The article is devoted to the analysis of MRI images by creating a digital image trace and processing it using machine learning methods. The study is conducted with the aim of creating a system to support medical decision-making for the preliminary diagnosis of neoplasms. The image is converted into a set of numerical data, which becomes the initial numerical datasets in predictive classification models. Diseases of the adrenal glands and the possibility of their preliminary diagnosis using computer vision methods have been selected for the pilot project. The procedure for obtaining numerical data from MRI scans and the results of preliminary analysis obtained by classification methods based on decision trees are presented. The work as a whole follows the recently formed direction of radiomics, i.e. the direction combining radiology, digitized data processing and machine learning methods.

Keywords: radiomics, feature engineering, computed tomography, decision trees, radiomic parameters.

DOI: 10.34219/2078-8320-2025-16-4-62-68