The object of research, development or design (in Russian) : В данном проекте в качестве объекта распознавания выступает мениск, который является частью анатомической структуры коленного сустава.

The object of research, development or design (in Kazakh) : Бұл жобада айырып-танудың объектісі тізе буынының анатомиялық құрылымының бір бөлігі мениск болып табылады.

Aim of work (in Russian) : Цель проекта заключается в разработке усовершенствованных моделей и методов анализа и распознавания анатомических структур на изображениях МРТ для повышения эффективности систем компьютерной диагностики.

Aim of work (in Kazakh) : Зерттеудің мақсаты компьютерлік диагностикалық жүйелердің тиімділігін жақсарту үшін МРТ кескіндеріндегі анатомиялық құрылымдарды талдау және тану үшін жетілдірілген үлгілер мен әдістерді әзірлеу болып табылады.

Методы исследования (на русском) : Методическую и теоретическую основу проекта составляют методы аннотирования данных, улучшения качества и выравнивания фона МРТ-изображений, а также модели и методы машинного и глубокого обучения, применяемые для распознавания повреждений менисков коленного сустава. Дополнительно используются методы повышения эффективности моделей, такие как кросс-валидация, аугментация данных и оптимизация гиперпараметров..

Методы исследования (на казахском) : Жобаның әдістемелік және теориялық негізі деректерді аннотациялау, МРТ кескіндерінің сапасын жақсарту және фонды теңестіру әдістері, сондай-ақ тізе менискінің зақымдануын айырып-тану үшін қолданылатын машиналық және терең оқыту модельдері мен әдістері болып табылады. Сонымен қатар, кросс-валидация, деректерді аугментациялау және гиперпараметрлерді оңтайландыру сияқты модельдердің тиімділігін арттыру әдістері қолданылады.

Obtained results and novelty (in Russian) : 1) Разработан и аннотирован собственный набор данных, включающий 2000 изображений от 2242 пациентов, собранных из различных медицинских центров. Аннотация выполнялась с применением специализированного программного обеспечения и верифицировалась экспертами для обеспечения точности и согласованности разметки. Ссылка на набор данных: https://zenodo.org/records/16939444, Dataset DOI: https://doi.org/10.5281/zenodo.16939444 2) Разработан подход на основе архитектуры YOLOv8-x для автоматического распознавания разрывов мениска на МРТ изображениях коленного сустава. Подход включает этапы предварительной обработки данных, обучения, оценки эффективности исследованных моделей по семейству YOLO: YOLOv5 (конфигурации nu, su, mu, lu, xu), YOLOv9 (конфигурации t, s, m, c, e) и YOLOv8, YOLOv10-YOLOv12 (конфигурации n, s, m, l, x) и RT-DETR (в вариантах Large и Extra-Large) на основе ключевых метрик (Precision, Recall, F1-score, mAP@50, mAP@50–95), анализа кривых confidence и визуализации корректных и ошибочных предсказаний. Такая структура обеспечивает комплексную оценку работы моделей, позволяет обосновать выбор наиболее эффективной архитектуры и повышает достоверность результатов детектирования. Научная новизна проекта заключается в усовершенствовании процесса распознавания снимков МРТ для повышения качества диагностики повреждений мениска коленного сустава.

Obtained results and novelty (in Kazakh) : 1) Әртүрлі медициналық орталықтардан жиналған 2242 пациентке тиесілі 2000 кескіннен тұратын меншікті деректер жинағы әзірленіп, аннотацияланды. Аннотация арнайы бағдарламалық қамтамасыз ету арқылы жүргізіліп, белгілеудің дәлдігі мен бірізділігін қамтамасыз ету мақсатында сарапшылармен тексерілді. Деректер жинағына сілтеме: https://zenodo.org/records/16939444, Деректер жинағының DOI: https://doi.org/10.5281/zenodo.16939444. 2) Тізе буынының МРТ кескіндерінде мениск жыртылуын автоматты түрде тануға арналған YOLOv8-x архитектурасына негізделген тәсіл әзірленді. Бұл тәсіл деректерді алдын ала өңдеу, модельдерді оқыту және YOLO отбасындағы модельдердің тиімділігін бағалау кезеңдерін қамтиды: YOLOv5 (nu, su, mu, lu, xu конфигурациялары), YOLOv9 (t, s, m, c, e конфигурациялары), сондай-ақ YOLOv8, YOLOv10–YOLOv12 (n, s, m, l, x конфигурациялары) және RT-DETR (Large және Extra-Large нұсқаларында). Бағалау негізгі метрикалар (Precision, Recall, F1-score, mAP@50, mAP@50–95), сенімділік қисықтарын (confidence curves) талдау және дұрыс пен қате анықтауларды визуализациялау арқылы жүзеге асырылды. Мұндай құрылым модельдердің жұмысын кешенді бағалауға, ең тиімді архитектураны таңдауды негіздеуге және детекция нәтижелерінің нақтылығын арттыруға мүмкіндік береді. Жобаның ғылыми жаңалығы тізе менискінің зақымдануын диагностикалау сапасын жақсарту үшін МРТ суреттерін айырып-тану процесін жетілдіру болып табылады.

The main constructive and technical economic indicators (in Russian) : - Создан и аннотирован собственный набор данных для распознавания повреждений мениска, включающий 2000 МРТ-изображений; Датасет размещён в открытом доступе на платформе Zenodo, что обеспечивает воспроизводимость и доступность результатов для научного сообщества; - Разработан подход на основе архитектуры YOLOv8-x для автоматического распознавания разрывов мениска на МРТ изображениях коленного сустава. Разработан подход на основе архитектуры YOLOv8-x для автоматического распознавания разрывов мениска на МРТ изображениях коленного сустава. Предложенный подход показал высокие показатели точности. Полученные результаты подтверждают эффективность и надежность модели, обеспечивая автоматизацию процесса диагностики разрывов мениска, сокращение времени анализа МРТ-изображений и повышение производительности медицинского персонала при сохранении высокой точности и стабильности результатов.

The main constructive and technical economic indicators (in Kazakh) : - Мениск зақымдарын тануға арналған жеке деректер жинағы жасалып, аннотацияланды, ол 2000 МРТ кескінін қамтиды; деректер жинағы Zenodo платформасында ашық қолжетімділікте орналастырылған, бұл нәтижелердің ғылыми қауымдастық үшін қайталауға және пайдалануға қолжетімділігін қамтамасыз етеді; - YOLOv8-x архитектурасына негізделген тізе буынының МРТ кескіндеріндегі мениск жыртылуларын автоматты түрде анықтауға арналған тәсіл әзірленді. Ұсынылған тәсіл жоғары дәлдік көрсеткіштерін көрсетті. Алынған нәтижелер модельдің тиімділігі мен сенімділігін растайды, мениск жыртылуын диагностикалау үдерісін автоматтандыруды, МРТ кескіндерін талдау уақытын қысқартуды және медициналық қызметкерлердің жұмыс өнімділігін арттыруды қамтамасыз етеді, сонымен қатар нәтижелердің жоғары дәлдігі мен тұрақтылығын сақтайды.

Level of implementation (in Russian) : Проект находится на стадии разработки

Level of implementation (in Kazakh) : Жоба әзірлену сатысында

Efficiency (in Russian) : В рамках исследования собраны данные МРТ и артроскопии у пациентов с повреждением менисков коленного сустава за последние 10 лет по регионам Казахстана. Разработанные модели и методы позволят распознавать различные анатомические структуры, что обеспечит их широкую применимость в задачах диагностики.

Efficiency (in Kazakh) : Зерттеу шеңберінде Қазақстан өңірлері бойынша соңғы 10 жыл ішінде тізе буынының менисктері зақымданған пациенттердің МРТ және артроскопия деректері жиналды. Әзірленген модельдер мен әдістер әртүрлі анатомиялық құрылымдарды тануға мүмкіндік береді, бұл олардың диагностикалық тапсырмаларда кеңінен қолданылуын қамтамасыз етеді.

Field of application (in Russian) : Область применения и целевые потребители результатов: медицинская диагностика, планирование хирургических вмешательств, образовательные и исследовательские цели, персонализированная медицина.

Field of application (in Kazakh) : Қолдану саласы және нәтижелердің мақсатты тұтынушылары: медициналық диагностика, хирургияны жоспарлау, білім беру және зерттеу мақсаттары, жеке медицина.