The object of research, development or design (in Russian) : Автоматическая сегментация МРТ-изображений, глубокое обучение, сверточные нейросети, деревья решений, модель «мешка» визуальных слов, визуализация результатов, интерпретация сегментации, анализ медицинских изображений.

The object of research, development or design (in Kazakh) : МРТ кескіндерін автоматты сегментациялау, терең оқыту, конволюциялық нейрожелілер, шешім ағаштары, Bag of Visual Words моделі, нәтижелерді визуализациялау, сегментацияны интерпретациялау, медициналық бейнелерді талдау.

Aim of work (in Russian) : Цель работы заключается в разработке, реализации и эксперимента́льной оценке нейросетевой архитектуры для точной сегментации МРТ-изображений мозга, обеспечивающей интерпретируемость решений и возможность визуального анализа результатов.

Aim of work (in Kazakh) : Жұмыстың мақсаты - МРТ кескіндерін дәл сегментациялауға арналған нейрожелілік архитектураны әзірлеу, іске асыру және оның нәтижелерін интерпретациялауды қамтамасыз ететін әдістермен бірге эксперименттік бағалау.

Методы исследования (на русском) : В работе использованы методы глубокого обучения (сверточные нейронные сети), ансамблирование с деревьями решений, модель «мешка» визуальных слов, количественные метрики (точность, чувствительность, специфичность, Dice), визуальный анализ данных, а также формирование репозитория аннотированных МРТ-снимков и базы данных пациентов.

Методы исследования (на казахском) : Зерттеуде терең оқыту әдістері (конволюциялық нейрожелілер), шешім ағаштарымен ансамбльдеу, Bag of Visual Words моделі, сандық метрикалар (дәлдік, сезімталдық, ерекшелік, Dice), визуалдық талдау, сондай-ақ аннотацияланған МРТ кескіндері репозиторийі мен пациенттер деректер базасын қалыптастыру әдістері қолданылды.

Obtained results and novelty (in Russian) : Разработана и реализована гибридная нейросетевая архитектура, объединяющая CNN, деревья решений и модель визуальных слов. Созданы репозиторий аннотированных МРТ-срезов и база пациентов. Проведена визуализация и сравнение предсказанных и реальных масок, рассчитаны метрики сегментации. Реализован интерактивный анализ по пациентам. Обработано 29 988–49 490 срезов, что обеспечило высокую точность и воспроизводимость модели.

Obtained results and novelty (in Kazakh) : CNN, шешім ағаштары және Bag of Visual Words моделін біріктіретін гибридті нейрожелілік архитектура әзірленіп, іске асырылды. Аннотацияланған МРТ кескіндерінің репозиториясы мен пациенттер деректер базасы жасалды. Болжау маскалары мен нақты маскалардың визуалды салыстыруы орындалды, сегментация метрикалары есептелді. Өз шешімдерін түсіндіре алатын интерпретацияланатын нейрожелі алынды. Барлығы 29 988–49 490 срез өңделіп, модельдің жоғары дәлдігі мен тұрақтылығы қамтамасыз етілді.

The main constructive and technical economic indicators (in Russian) : Количество обработанных МРТ-срезов: 29 988–49 490; Созданный набор данных: аннотированные изображения + база пациентов; Реализованная архитектура: CNN + деревья решений + «мешок» визуальных слов; Метрики точности: Dice, точность, чувствительность и специфичность; Повышение качества сегментации и интерпретируемости при умеренных вычислительных затратах;

The main constructive and technical economic indicators (in Kazakh) : Өңделген МРТ кескіндерінің саны: 29 988–49 490; Құрылған деректер жиыны: аннотацияланған бейнелер және пациенттер базасы; Іске асырылған архитектура: CNN + шешім ағаштары + визуалдық сөздер моделі; Дәлдік метрикалары: Dice, дәлдік, сезімталдық, ерекшелік; Есептеу шығындары қалыпты деңгейде сақтала отырып, сегментация сапасы мен интерпретация жақсартылды.

Level of implementation (in Russian) : не внедрено

Level of implementation (in Kazakh) : енгізілмеді

Efficiency (in Russian) : Полученные экспериментальные данные подтверждают высокую эффективность разработанного метода, обеспечивающего точную сегментацию МРТ-изображений и стабильные диагностические показатели.

Efficiency (in Kazakh) : Эксперименттік деректер әзірленген әдістің жоғары тиімділігін көрсетіп, МРТ кескіндерін дәл сегментациялау мен тұрақты диагностикалық көрсеткіштерді қамтамасыз ететінін дәлелдейді.

Field of application (in Russian) : Цифровая медицина, медицинская диагностика, обработка и анализ медицинских изображений, а также информационные технологии и методы искусственного интеллекта, используемые в здравоохранении.

Field of application (in Kazakh) : Cандық медицина, медициналық диагностика, медициналық кескіндерді өңдеу және талдау, денсаулық сақтауда қолданылатын ақпараттық технологиялар мен жасанды интеллект әдістері.