Проєктування та розробка програмного забезпечення веб-орієнтованої системи комп’ютерного зору для інтерактивного аналізу рентгенівських знімків легень

Abstract

Метою роботи є розробка програмного забезпечення для веб-орієнтованої системи для автоматизованого аналізу рентгенівських знімків легень із використанням методів комп’ютерного зору та штучного інтелекту. Система призначена для підвищення ефективності первинної діагностики шляхом автоматичного виявлення патологій на рентгенівських знімках, візуалізації зон ураження та надання користувачу довідкової медичної інформації. У роботі розроблено програмну систему MedVision, архітектура якої включає клієнтську частину, серверний застосунок, базу даних та модуль штучного інтелекту для аналізу медичних зображень. Реалізовано механізми реєстрації та авторизації користувачів, завантаження рентгенівських знімків, автоматичного аналізу зображень, локалізації патологій, формування медичної довідки та збереження історії виконаних досліджень. Для реалізації програмної системи використано технології React, ASP.NET Core Web API, Entity Framework Core, Microsoft SQL Server, Python та FastAPI. Для виявлення патологій на рентгенівських знімках застосовано модель комп’ютерного зору YOLOv8, яка дозволяє здійснювати локалізацію патологічних змін та визначати їх тип із відповідним рівнем достовірності.

The aim of the thesis is to develop a web-oriented system for automated analysis of lung X-ray images using computer vision and artificial intelligence methods. The system is designed to improve the efficiency of primary diagnostics through automatic detection of pathologies in X-ray images, visualization of affected areas, and provision of medical reference information to users. The thesis presents the development of the MedVision software system, whose architecture includes a client-side application, a server-side application, a database, and an artificial intelligence module for medical image analysis. Mechanisms for user registration and authentication, X-ray image uploading, automatic image analysis, pathology localization, generation of medical reference information, and storage of analysis history have been implemented. The software system was developed using React, ASP.NET Core Web API, Entity Framework Core, Microsoft SQL Server, Python, and FastAPI technologies. The YOLOv8 computer vision model was applied for pathology detection in lung X-ray images, enabling localization of pathological findings and identification of their types with an associated confidence level.