ПЕРСПЕКТИВЫ ПРИМЕНЕНИЯ АЛГОРИТМОВ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В РАДИОЛОГИЧЕСКОЙ ДИАГНОСТИКЕ ПАТОЛОГИЙ ПОЛОСТИ НОСА
Каримова Н. А.
ТГМУ Кафедра ЛОР. к.м.н., ассистент
Очилов Ж. Ф.
ТГМУ кафедра ЛОР. магистр
Keywords: Искусственный интеллект, радиология, компьютерная томография, околоносовые пазухи, хронический риносинусит, глубокое обучение, радиомика, сверточные нейронные сети, цифровая медицина.
Abstract
В данной статье анализируются применение и перспективы искусственного интеллекта (ИИ), в частности методов глубокого обучения (Deep Learning) и компьютерного зрения (Computer Vision), в радиологической диагностике патологий полости носа и околоносовых пазух. Освещена роль систем ИИ в автоматическом анализе изображений компьютерной (КТ) и магнитно-резонансной томографии (МРТ), дифференциальной диагностике заболеваний, а также в снижении вероятности врачебных ошибок. Дополнительно рассматриваются технологические основы алгоритмов, архитектуры нейронных сетей, применяемых в медицинской визуализации, а также этико-правовые аспекты интеграции нейросетей в рутинную клиническую практику.
References
1. Fokkens, W. J., Lund, V. J., Hopkins, C., et al. (2020). European Position Paper on Rhinosinusitis and Nasal Polyps 2020. Rhinology, 58(Suppl S29), 1-464.
2. De Dorlodot, C., Horion, J., et al. (2022). Artificial intelligence in rhinology: A comprehensive review. Clinical Otolaryngology, 47(1), 12-21.
3. Chowdhury, N. I., et al. (2019). Automated classification of sinuses in computed tomography using convolutional neural networks. International Forum of Allergy & Rhinology, 9(1), 46-52.
4. Saltman, A. P., et al. (2021). Deep learning for automated measurement of paranasal sinus opacification on CT. American Journal of Neuroradiology, 42(5), 945-951.
5. Shen, Z., et al. (2021). Artificial intelligence in the diagnosis of sinonasal diseases: A systematic review. Frontiers in Oncology, 11, 755222.
