Застосування нейромережних технологій для підвищення інформативності медичних зображень

Abstract

У роботі розглянуто сучасні підходи до використання штучних нейронних мереж для підвищення якості та інформативності медичних зображень у системах інтраскопічної діагностики, зокрема представлено метод та засіб підвищення якості стоматологічних інтраскопічних зображень на основі інтеграції класичних алгоритмів цифрової обробки та глибинних нейронних мереж. Окрему увагу приділено аналізу згорткових нейронних мереж (CNN), архітектури U-Net та генеративних змагальних мереж (GAN). Проведено огляд переваг та недоліків їх застосування у медичних задачах. Актуальність дослідження зумовлена потребою у точнішій візуалізації дрібних структур зубів і тканин ротової порожнини, що є критично важливим для ранньої діагностики стоматологічних захворювань. Запропонований підхід включає три ключові етапи: попередню обробку зображень (усунення шумів та нормалізація яскравості), реконструкцію даних за допомогою архітектури U-Net, а також оцінювання результатів за об’єктивними метриками (PSNR, SSIM) та суб’єктивними експертними оцінками стоматологів. Наведено результати моделювання роботи прототипу нейромережного методу, спрямованого на зменшення шуму та підвищення контрастності зображень. Експериментальні дослідження продемонстрували, що запропонований метод забезпечує підвищення PSNR на 15–20 % та покращення SSIM у середньому на 0,1–0,15 у порівнянні з класичними методами фільтрації. Отримані результати підтверджують ефективність використання комбінованого підходу для обробки стоматологічних інтраскопічних зображень. Метод дозволяє зберегти дрібні анатомічні деталі, знизити вплив шумів і артефактів та підвищити інформативність зображень, що у свою чергу створює передумови для більш точної клінічної діагностики та підтримки прийняття рішень у стоматологічній практиці.