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 трансформеры, Yolo, генеративные сети и модифицированные нейронные сети для задач классификации и сегментации; предварительная обработка данных как нормализвция, шумоподавление, улучшение контраста для повышения четкости; аугментация данных и генерация; 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 Vision transformers, Yolo а также генерация изображений с помощью генеративных методов для классификации изображений инсульта. Результаты показали, что модель vision transformer, превосходит по результатам других моделей на малом датасете что указывает на превосходство трансформеров. Новизной работы является использование визуальных трансформеров для диагностики инсульта, что открывает перспективы дальнейшего развития систем ИИ, направленных на повышение эффективности диагностики инсульта

Obtained results and novelty (in Kazakh) : Зерттеуде vision Transformers моделі әзірленді және сыналды, Yolo және инсульт кескіндерін жіктеудің генеративті әдістерін қолдана отырып кескін жасау қолданылды. Нәтижелер vision transformer моделінің басқа модельдердің нәтижелері бойынша кіші деректер жиынында жоғары екенін көрсетті бұл трансформаторлардың артықшылығын көрсетеді. Жұмыстың жаңалығы инсультті диагностикалау үшін визуалды трансформаторларды пайдалану болып табылады, бұл инсульт диагностикасының тиімділігін арттыруға бағытталған AI жүйелерін одан әрі дамыту перспективаларын ашады

The main constructive and technical economic indicators (in Russian) : Были использованы модели и их модификации, включающая Vision Transformers, Yolo, GANs, 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 и генерация), 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 трансформеров и генеративных 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) : Модельдер мен олардың модификациялары қолданылды, соның ішінде Vision Transformers, Yolo, GANs, бұл жеке модельдермен салыстырғанда инсульт классификациясының дәлдігін арттырады. Олар шудан тазартылды, қалыпқа келтірілді және күшейтілді контрастжәне кескінді жақсарту үшін кеңейту әдістері қолданылды (мысалы, айналдыру, масштабтау, төңкеру және генерациялау), бұл мәліметтер көлемін арттырады және модельді жалпылау мүмкіндіктерін жақсартады. кескіндер 224x224 пиксель өлшеміне дейін кішірейтілді, бұл модельді оқыту процесін оңтайландырады және есептеу шығындарын азайтады. Трансформаторлар мен генеративті 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 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) : В соответствии с утвержденным календарным планом проекта, на данном этапе работы внедрение разработанной модели или методологии не планировалось. Основной целью работы являлось исследование, разработка и оценка эффективности модели глубокого обучения в контролируемых лабораторных условиях.

Level of implementation (in Kazakh) : Жобаның бекітілген күнтізбелік жоспарына сәйкес жұмыстың осы кезеңінде әзірленген модельді немесе әдіснаманы енгізу жоспарланбаған. Жұмыстың негізгі мақсаты бақыланатын зертханалық жағдайларда терең оқыту моделінің тиімділігін зерттеу, әзірлеу және бағалау.

Efficiency (in Russian) : Разработанная модель глубокого обучения продемонстрировала высокую эффективность в задаче автоматической классификации инсульта по визуальным данным, установив новые стандарты точности по сравнению с традиционными подходами. В дополнение, исследование сегментации инсульта позволила идентифицировать наиболее перспективные архитектуры и сформулировать ключевые направления для будущих исследований, что способствует ускорению внедрения методов машинного обучения в нейровизуализацию.

Efficiency (in Kazakh) : Әзірленген терең оқыту моделі дәстүрлі тәсілдермен салыстырғанда дәлдіктің жаңа стандарттарын белгілей отырып, инсультті визуалды деректер бойынша автоматты түрде жіктеу міндетінде жоғары тиімділікті көрсетті. Сонымен қатар, инсультті сегменттеуді зерттеу ең перспективалы архитектураларды анықтауға және болашақ зерттеулердің негізгі бағыттарын тұжырымдауға мүмкіндік берді, бұл нейробейнелеуге Машиналық оқыту әдістерін енгізуді жеделдетуге ықпал етеді.

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