МЕТОД ІНТЕГРАЦІЇ ДОМЕННИХ ЗНАНЬ НА ОСНОВІ ГРАФОВИХ НЕЙРОННИХ МЕРЕЖ ДЛЯ СЕГМЕНТАЦІЇ ЗОБРАЖЕННЯ МРТ СЕРЦЯ

Анотація

У роботі запропоновано новий метод інтеграції доменних знань для сегментації та класифікації захворювань серця за даними магнітно-резонансної томографії (МРТ). Основна проблема полягає в розриві між високопродуктивними дослідницькими прототипами та операційними вимогами клінічного програмного забезпечення, що ускладнюється питаннями сумісності даних, портативності апаратного забезпечення та інтерпретованості моделей. Запропонований метод вирішує ці проблеми через уніфікації процесу: від стандартизованого завантаження даних у форматах DICOM/NIfTI з надійною анонімізацією до портативного розгортання моделі сегментації за допомогою ONNX Runtime. Ключовою особливістю є інтерпретований графовий класифікатор, що оперує клінічними показниками, отриманими з масок сегментації, та виконує класифікацію на основі графа знань. На публічному наборі даних ACDC запропонований метод досяг точності сегментації з макро-коефіцієнтом Dice 0,939, точності класифікації (макро-ROC-AUC 0,964) та продемонстрував покращення калібрування ймовірностей після застосування температурного масштабування. У підсумку, запропонований метод, реалізований як прототип інтелектуальної інформаційної системи, дає змогу створити портативну, аудитовану та добре калібровану систему підтримки клінічних рішень, що скорочує розрив між алгоритмічною продуктивністю та реальною клінічною надійністю.