В рамках научно-исследовательской и опытно-конструкторской работы выполнено комплексное исследование и разработка технологии шумоподавления КТ-изображений на основе образно-логических алгоритмов объяснимого искусственного интеллекта.
Деятельность осуществлялась в рамках Федерального проекта при грантовой поддержке Фонда содействия инновациям и реализована как технологический проект при финансировании со стороны Грантодателя.
Цель работы — создание архитектуры обучаемой нейронной сети, способной эффективно подавлять шум в КТ-изображениях с сохранением высокого пространственного разрешения и диагностически значимых деталей, при полной интерпретируемости обработки.
Основные этапы работ:- Разработка и анализ нескольких вариантов образно-логических алгоритмов шумоподавления
- Подготовка датасета на основе пар «зашумлённое / чистое» КТ-изображение
- Реализация, оптимизация и тестирование программного кода алгоритма
- Доработка алгоритма по результатам отладки
- Проектирование и построение архитектуры образно-логической нейронной сети (ОЛНС)
- Обучение и проверка эффективности сети
Ключевые результаты:- Создана и обучена нейронная сеть нового типа — образно-логическая (ОЛНС), основанная на L4-логике и обработке информации в форме структурированных образов
- Достигнуто высокое качество шумоподавления при сохранении мелкой анатомии и контрастных границ
- Исключены типичные для классических DLR-сетей артефакты и "галлюцинации" за счёт логической достоверности обработки
Подтверждена принципиальная возможность применения ОЛНС в задачах медицинской визуализации