The object of research, development or design (in Russian) : Объектом исследования является разработка комплексной системы диагностики инсульта мозга с применением искусственного интеллекта.

The object of research, development or design (in Kazakh) : Зерттеу нысаны жасанды интеллектті қолдана отырып, ми инсультін диагностикалаудың кешенді жүйесін жасау болып табылады.

Aim of work (in Russian) : Целью работы является улучшение методов распознавания, классификации и сегментации инсульта по МРТ и КТ изображениям мозга.

Aim of work (in Kazakh) : Жұмыстың мақсаты-мидың МРТ және КТ суреттері бойынша инсультті тану, жіктеу және сегменттеу әдістерін жақсарту.

Методы исследования (на русском) : Для разработки системы диагностирующий инсульт применяются ряд методов такие как методы машинного и глубокого обучения которые включает в себя также сверточные нейронные сети и модифицированные нейронные сети для задач классификации и сегментации; предварительная обработка данных как нормализвция, шумоподавление, улучшение контраста для повышения четкости; аушментация данных; также оценивание эффективности моделей с помощью разных метрик.

Методы исследования (на казахском) : Жүйені дамыту үшін диагностикалық инсульт сияқты бірқатар әдістер қолданылады машиналық және терең оқыту әдістері ол сонымен қатар жіктеу және сегменттеу тапсырмалары үшін конволюциялық нейрондық желілерді және модификацияланған нейрондық желілерді қамтиды; деректерді қалыпқа келтіру, шуды азайту, айқындылықты жақсарту үшін контрастты жақсарту ретінде алдын ала өңдеу; деректерді аушментациялау; сонымен қатар әртүрлі көрсеткіштер арқылы модельдердің тиімділігін бағалау.

Obtained results and novelty (in Russian) : В исследовании была разработана и протестирована модель ансамбля, объединяющая CNN, EfficientNetB7 и DenseNet201 для классификации изображений инсульта. Результаты показали, что модель ансамбля лишь немного превосходит отдельные модели, такие как mobilenetv2 и EfficientNetB0, что указывает на необходимость использования больших и разнообразных данных для повышения точности. Новизной работы является использование ансамблевого подхода для диагностики инсульта, что открывает перспективы дальнейшего развития систем ИИ, направленных на повышение эффективности диагностики инсульта​

Obtained results and novelty (in Kazakh) : Инсульт кескіндерін жіктеу үшін CNN, EfficientNetB7 және DenseNet201 біріктіретін ансамбль моделі әзірленді және сыналды. Нәтижесінде ансамбль моделі mobilenetv2 және EfficientNetB0 сияқты жеке модельдерден сәл ғана асып түсетінін көрсетті, бұл дәлдікті жақсарту үшін үлкен және әртүрлі деректерді пайдалану қажеттілігін көрсетеді. Жұмыстың жаңалығы инсультті диагностикалау үшін ансамбльдік тәсілді қолдану болып табылады, бұл инсульт диагностикасының тиімділігін арттыруға бағытталған ЖИ жүйелерін одан әрі дамыту перспективаларын ашады​

The main constructive and technical economic indicators (in Russian) : Была использована ансамблевая модель, включающая сверточные нейронные сети (CNN), EfficientNetB7 и DenseNet201, что повышает точность классификации инсультов по сравнению с отдельными моделями. Они были очищены от шума, нормализованы и усилены контрастность, а для улучшения изображения использовались методы расширения (например, вращение, масштабирование, переворот), что увеличивает объем данных и улучшает возможности обобщения модели. изображения были уменьшены до размера 224x224 пикселей, что оптимизирует процесс обучения модели и снижает затраты на вычисления. Благодаря использованию ансамблевых моделей точность классификации и сегментации инсульта возросла, что снизило частоту ошибок и повысило точность диагностики, а также во многом от этого зависит снижение и обеспечение рисков для пациента. Данные для обучения были собраны из открытых источников, таких как Kaggle и ISLES2018, которые обеспечивают доступность и надежность системы при низких затратах на сбор данных.

The main constructive and technical economic indicators (in Kazakh) : Конволюциялық нейрондық желілерді (CNN), EfficientNetB7 және DenseNet201 қамтитын ансамбльдік модель қолданылды, бұл жеке модельдермен салыстырғанда инсульт классификациясының дәлдігін арттырды. Олар шудан тазартылды, қалыпқа келтірілді және күшейтілді контраст және кескінді жақсарту үшін кеңейту әдістері қолданылды (мысалы, айналдыру, масштабтау, төңкеру), бұл мәліметтер көлемін арттырады және модельді жалпылау мүмкіндіктерін жақсартты. Кескіндер 224x224 пиксель өлшеміне дейін кішірейтілді, бұл модельді оқыту процесін оңтайландырады және есептеу шығындарын азайтады. Ансамбльдік модельдерді қолдану арқылы инсульттің жіктелуі мен сегментациясының дәлдігі артты, бұл қателіктердің жиілігін төмендетіп, диагностиканың дәлдігін арттырды, сонымен қатар пациенттің тәуекелдерін азайту және қамтамасыз ету көбіне осыған байланысты. Оқыту деректері kaggle және ISLES2018 сияқты ашық көздерден жиналды, олар деректерді жинаудың төмен шығындарымен жүйенің қол жетімділігі мен сенімділігін қамтамасыз етеді.

Level of implementation (in Russian) :

Level of implementation (in Kazakh) :

Efficiency (in Russian) :

Efficiency (in Kazakh) :

Field of application (in Russian) : Медицинские учреждения, системы удаленного мониторинга здоровья, скорая медицинская помощь, научные исследования

Field of application (in Kazakh) : Медициналық мекемелер, денсаулықты қашықтан бақылау жүйелері, жедел медициналық көмек, ғылыми зерттеулер