СПОСОБ И СИСТЕМА ДЛЯ ВЫЯВЛЕНИЯ ОБЪЕМНЫХ ОБРАЗОВАНИЙ ПОЧЕК НА КОМПЬЮТЕРНЫХ ТОМОГРАММАХ БРЮШНОЙ ПОЛОСТИ

1. Способ выявления объемных образований почек на компьютерных томограммах брюшной полости, включающий следующие последовательно реализуемые этапы:этап отбора из исходного пакета DICOM изображений целевого органа пациента изображений, выполненных в аксиальной проекции с последующей их передачей в блок хранения и архивации DICOM изображений, этап препроцессинга загруженных изображений, этап анализа изображений с использованием алгоритма на основе нейронных сетей, этап постпроцессинга результатов анализа изображений, этап формирования отчета, содержащего дополнительные серии DICOM изображений с визуализированными патологиями (SC) и текстовые отчеты с описанием патологий (SR),при этом на этапе препроцессинга загруженных изображений осуществляют группировку файлов по сериям, каждая из которых соответствует определенной фазе контрастирования, с последующей обработкой сгруппированных DICOM изображений посредством преобразования каждого из изображений в группе в плотностное изображение HU_image, после чего полученные изображения сортируют по порядковому номеру и конкатенируют в единое 3D-изображение исследуемой области,на этапе анализа изображений с использованием алгоритма на основе нейронных сетей полученное единое 3D-изображение исследуемой области нарезают вдоль выбранных осей на слои с шагом до 3 пикселей, при этом используют по меньшей мере три основные оси координат (X, Y, Z), набор слоев по каждой оси объединяют в пакеты изображений,далее пакеты изображений подают в предварительно обученные U-Net-подобную сеть для сегментации патологий и U-net-подобную сеть для сегментации сегментов почек с получением масок вероятностей для классов патологий: злокачественные опухоли (ЗНО), доброкачественные опухоли (ДНО), неопухолевые образования; и масок вероятностей для шести анатомических зон почек - верхней, средней, нижней частей левой и правой почек, соответственно;после чего полученные маски вероятностей для классов патологий и для классов анатомических зон почек объединяют с получением усредненных 3D-маски вероятностей классов патологий и 3D-маски анатомических зон почек, соответственно;на этапе постпроцессинга на основе полученной 3D-маски вероятностей классов патологий создают 3D-маску наличия или отсутствия патологии, бинаризируют 3D-маску наличия/отсутствия патологии, бинаризируют 3D-маску вероятностей анатомических зон почек, создают облако точек на основе бинаризированной 3D-маски наличия или отсутствия патологий, создают облака точек на основе бинаризированной 3D-маски вероятностей анатомических зон почек для каждого класса анатомических зон почек, осуществляют кластеризацию алгоритмом DBSCAN на облаке точек, созданном на основе бинаризированной 3D-маски наличия или отсутствия патологий, создают ограничивающую поверхность для каждого кластера, найденного алгоритмом DBSCAN, производят геометрическую фильтрацию ограничивающих поверхностей, находят среднюю вероятность внутри каждой ограничивающей поверхности на основе 3D-маски наличия или отсутствия патологии, осуществляют фильтрацию ограничивающих поверхностей на основе средней вероятности внутри каждой ограничивающей поверхности, производят классификацию оставшихся ограничивающих поверхностей, на основе бинаризированной маски анатомических зон почек определяют расположение каждого сегмента почки, на основе расположения каждого сегмента почки и расположения ограничивающих поверхностей определяют анатомическую локализацию ограничивающих поверхностей, создают индексную маску и двухуровневый словарь оставшихся поверхностей.2. Способ по п.1, характеризующийся тем, что на этапе анализа изображений в качестве осей нарезки используют дополнительные диагональные оси.3. Способ по п.1, характеризующийся тем, что на этапе анализа изображений с использованием алгоритма на основе нейронных сетей для каждой оси, вдоль которой нарезают 3D-изображение исследуемой области на слои, используют алгоритм поворота, основанный на применении матрицы поворота к 3D-изображению исследуемой области.4. Способ по п.3, характеризующийся тем, что объединение полученных масок вероятностей классов патологий и вероятностей анатомических зон почек на этапе анализа изображений осуществляют следующим образом: для каждой маски вероятностей, полученной в результате анализа 3D-изображения, нарезанного вдоль соответствующей оси, находят обратную матрицу к матрице поворота и применяют её к соответствующей маске, полученные после обратного поворота маски вероятностей для каждой оси усредняют.5. Способ по п.1, характеризующийся тем, что на этапе постпроцессинга 3D-маску наличия или отсутствия патологии на основе 3D-маски вероятностей классов патологий создают с применением операции максимизации 3D-маски вероятностей классов патологий вдоль оси классов.6. Способ по п.1, характеризующийся тем, что на этапе постпроцессинга создают облако точек на основе бинаризированной 3D-маски наличия или отсутствия патологий с применением функции argwhere библиотеки numpy.7. Способ по п.1, характеризующийся тем, что на этапе постпроцессинга облака точек создают на основе бинаризированной 3D-маски вероятностей анатомических зон почек для каждого класса анатомических зон почек с применением функции argwhere библиотеки numpy.8. Способ по п.1, характеризующийся тем, что на этапе постпроцессинга кластеризацию алгоритмом DBSCAN на облаке точек осуществляют с вызовом метода cluster_dbscan экземпляра класса PointCloud библиотеки Open3d, с получением набора кластеров точек с уникальными метками.9. Способ по п.1, характеризующийся тем, что на этапе постпроцессинга ограничивающую поверхность для каждого кластера создают следующим образом: все точки отдельного кластера по его уникальной метке передают как изолированный набор точек в алгоритм поиска выпуклой поверхности или альфа-поверхности библиотеки Open3d, с получением объекта ограничивающей поверхности, содержащего поля вершин и полигонов поверхности.10. Способ по п.1, характеризующийся тем, что на этапе постпроцессинга геометрическую фильтрацию ограничивающих поверхностей производят следующим образом: для ограничивающей поверхности находят вертикальный, горизонтальный и продольный размеры, далее находят минимальный размер и максимальный размер, далее находят отношение максимального и минимального размеров, если отношение максимального и минимального размеров больше 5, то это интерпретируют как несоответствие формы выпуклой поверхности априорным ожиданиям о форме опухоли или неопухолевого образования.11. Способ по п.1, характеризующийся тем, что на этапе постпроцессинга для определения средней вероятности внутри каждой ограничивающей поверхности на основе 3D-маски наличия/отсутствия патологии выделяют элементы 3D-маски наличия или отсутствия патологии внутри ограничивающей поверхности и находят их среднее арифметическое значение.12. Способ по п.11, характеризующийся тем, что на этапе постпроцессинга фильтрацию ограничивающих поверхностей на основе средней вероятности внутри каждой ограничивающей поверхности осуществляют следующим образом: если средняя вероятность для конкретной ограничивающей поверхности меньше второго порогового значения, то поверхность удаляют.13. Способ по п.1, характеризующийся тем, что на этапе постпроцессинга классификацию оставшихся ограничивающих поверхностей производят в зависимости от анализируемой фазы - нативной или контрастной, при этом для нативной фазы находят средние вероятности по каждому классу патологий на основе 3D-маски вероятностей классов патологий отдельно для каждого класса патологии, полученные значения средних вероятностей для каждого класса патологии нормируются на единицу; для контрастной фазы выделяют все элементы 3D-изображения исследуемой области внутри ограничивающей поверхности, на основании выбранных элементов формируют гистограмму, сформированная гистограмма является входными данными для предобученной нейронной сети классификации, значения предсказаний которой интерпретируют как вероятности принадлежности ограничивающей поверхности к соответствующим классам патологий.14. Способ по п.1, характеризующийся тем, что на этапе постпроцессинга на основе бинаризированной маски анатомических зон почек расположение каждого сегмента почки определяют следующим образом: для каждой анатомической зоны почки создают облако точек, для созданного облака точек считают среднее значение координат по каждому измерению и стандартное отклонение от центра.15. Способ по п.14, характеризующийся тем, что на этапе постпроцессинга на основе расположения каждого сегмента почки и расположения ограничивающих поверхностей анатомическую локализацию ограничивающих поверхностей определяют следующим образом: для каждой ограничивающей поверхности находят центр ограничивающей поверхности, после чего рассчитывают расстояние от центра ограничивающей поверхности до каждого из центров анатомических зон почек, находят анатомическую зону, расстояние до которой минимально; ограничивающую поверхность считают принадлежащей этой анатомической зоне, если расстояние не превышает два стандартных отклонения, в противном случае ограничивающую поверхность удаляют.16. Способ по п.1, характеризующийся тем, что на этапе постпроцессинга индексную маску создают следующим образом: для каждой ограничивающей поверхности, пиксели, лежащие внутри поверхности с индексом i, заполняют уникальными для поверхности числами типа int, равными i + 1, ключами двухуровневого словаря являются индексы поверхностей, увеличенные на единицу, а соответствующими значениями являются словари характеристик ограничивающих поверхностей.17. Способ по п.1, характеризующийся тем, что на этапе формирования отчета формируют дополнительные серии DICOM изображений с визуализированными патологиями (SC) и текстовые отчеты с описанием патологий (SR).18. Способ по п.17, характеризующийся тем, что на этапе формирования отчета, содержащего описание патологии для каждого исходного DICOM изображения из соответствующей серии, создают DICOM изображение дополнительной серии, выбирают соответствующий порядковому номеру изображения срез индексной маски, на основе среза индексной маски визуализируют патологии на DICOM изображении дополнительной серии, на основе двухуровневого словаря оставшихся поверхностей создают текстовый отчет.19. Система для выявления объемных образований почек на компьютерной томографии, включающая устройство для определения патологии, которое представляет собой удаленный сервер с размещенными на нем блоками: блоком хранения и архивации исходных DICOM изображений и результатов, блоком препроцессинга исходных DICOM изображений, блоком обработки изображений алгоритмом на основе нейронных сетей, блоком постпроцессинга, блоком визуализации и формирования отчетов, при этомблок хранения и архивации исходных DICOM изображений и результатов выполнен с возможностью получать и хранить пакеты DICOM изображений;блок препроцессинга исходных DICOM изображений выполнен с возможностью осуществлять группировку файлов по сериям, каждая из которых соответствует определенной фазе контрастирования, с последующей обработкой сгруппированных DICOM изображений посредством преобразования каждого из изображений в группе в плотностное изображение HU_image и сортировки полученных изображений по порядковому номеру и конкатенации в единое 3D-изображение;блок обработки изображений алгоритмом на основе нейронных сетей выполнен с возможностью нарезки 3D-изображения вдоль выбранных осей, при этом использующий по меньшей мере три основные оси координат, объединения нарезанных изображений в пакеты, подачи пакетов в предварительно обученные U-Net-подобную сеть для сегментации патологий и U-net-подобную сеть для сегментациисегментов почек, получения масок вероятностей для классов патологий и масок вероятностей для шести анатомических зон почек, объединения масок вероятностей, полученных вдоль каждой оси с получением усредненных 3D-маски вероятностей классов патологий и 3D-маски анатомических зон почек, соответственно;блок постпроцессинга выполнен с возможностью бинаризации 3D-маски наличия/отсутствия патологии, бинаризации 3D-маски вероятностей анатомических зон почек, создания облака точек на основе бинаризированной 3D-маски наличия или отсутствия патологий, создания облака точек на основе бинаризированной 3D-маски вероятностей анатомических зон почек, осуществления кластеризации алгоритмом DBSCAN, создания ограничивающих поверхностей, осуществления опциональной геометрической фильтрации ограничивающих поверхностей, поиска средней вероятности внутри каждой ограничивающей поверхности, осуществления фильтрации ограничивающих поверхностей на основе средней вероятности, произведения классификации оставшихся ограничивающих поверхностей, определения расположения каждого сегмента почки, определения анатомической локализации ограничивающих поверхностей, создания индексной маски и двухуровневого словаря.20. Система по п.19, характеризующаяся тем, что блок визуализации и формирования отчетов выполнен с возможностью создания DICOM изображения дополнительной серии, выбора соответствующего порядковому номеру изображения среза индексной маски, визуализации патологии на DICOM изображении дополнительной серии, создания текстового отчета на основе двухуровневого словаря, отправки сформированных отчетов в блок хранения и архивации исходных DICOM изображений и результатов.