Современные технологии анализа медицинских данных в диагностике рассеянного склероза
Автор: Арсентьева Н.В.
Журнал: Теория и практика современной науки @modern-j
Рубрика: Основной раздел
Статья в выпуске: 1 (115), 2025 года.
Бесплатный доступ
Диагностика рассеянного склероза (РС) требует анализа больших объемов сложных медицинских данных. Современные технологии, включая машинное обучение, обработку изображений и анализ временных рядов, предоставляют новые возможности для автоматизации диагностики и прогнозирования. В статье рассматриваются ключевые алгоритмы, такие как свёрточные нейронные сети (CNN) и методы анализа временных рядов, а также программные продукты, включая 3D Slicer, TensorFlow и SberMedAI. Обсуждаются их преимущества, ограничения и перспективы применения в клинической практике.
Анализ медицинских данных, рассеянный склероз, машинное обучение, обработка изображений, алгоритмы, сппр
Короткий адрес: https://sciup.org/140309057
IDR: 140309057
Список литературы Современные технологии анализа медицинских данных в диагностике рассеянного склероза
- Ronneberger O., Fischer P., Brox T. U-Net: Convolutional Networks for Biomedical Image Segmentation. MICCAI, 2015.
- Litjens G., et al. A survey on deep learning in medical image analysis. Medical Image Analysis, 2017.
- Filippi M., et al. Magnetic resonance imaging in multiple sclerosis: The present and the future. Nature Reviews Neurology, 2018.
- Guha Roy A., et al. QuickNAT: Segmenting Brain Structures in MRI Using Faster Deep Neural Networks. NeuroImage, 2019.
- Thompson P. M., et al. ENIGMA and global neuroscience: A decade of large-scale studies of the brain in health and disease. NeuroImage, 2020.
