Iskusstvennyi intellekt v rentgenologii

Authors: Piotr A. Kriuchkov, FSFEI of HE \\'I.S. Turgenev Orel State University\\', Liubov V. Moshkina

Source: Relevant lines of scientific research: theory and practice; 22-29
Актуальные направления научных исследований: перспективы развития; 22-29

Subject Terms: искусственный интеллект, рентгенология, медицина

File Description: text/html

Access URL: https://interactive-plus.ru/article/564740/discussion_platform
https://doi.org/10.21661/r-564740
https://interactive-plus.ru/files/Books/939/Cover-939.jpg?req=564740

Искусственный интеллект в рентгенологии

Authors: Крючков Пётр Александрович, Piotr A. Kriuchkov, Мошкина Любовь Викторовна, Liubov V. Moshkina

Source: Relevant lines of scientific research: theory and practice; ; Актуальные направления научных исследований: перспективы развития

Subject Terms: искусственный интеллект, медицина, рентгенология

File Description: text/html

Relation: https://interactive-plus.ru/e-articles/939/Action939-564740.pdf; Brady A.P. Error and discrepancy in radiology: inevitable or avoidable? Insights Imaging. – 2017. – №8. – С. 171–182 [Электронный ресурс]. – Режим доступа: https://doi.org/10.1007/s13244-016-0534-1 (дата обращения: 26.03.2025). – EDN FSSDNE; Арбузова А.А. Диагностика пневмонии по рентгеновским снимкам с помощью сверточных нейронных сетей // Модели, системы, сети в экономике, технике, природе и обществе. – 2021. – №2 [Электронный ресурс]. – Режим доступа: https://cyberleninka.ru/article/n/diagnostika-pnevmonii-po-rentgenovskim-snimkam-s-pomoschyu-svertochnyh-neyronnyh-setey (дата обращения: 26.03.2025). DOI 10.21685/2227-8486-2021-2-7. EDN QZCBYO; Артюкова З.Р. Опыт применения сервисов искусственного интеллекта для диагностики компрессионных переломов тел позвонков по данным компьютерной томографии: от тестирования до апробации / З.Р. Артюкова, А.В. ПЕтряйкин, Н.Д. Кудрявцев [и др.] // Digital Diagnostics. – 2024. – Т. 5, №3. – С. 505–518. DOI 10.17816/DD624250. EDN BEEPQI; Блинов Д. С., Лобищева А. Е., Варфоломеева А. А. Нейросетевая интерпретация рентгенологического изображения грудной клетки: современные возможности и источники ошибок / Д.С. Блинов, А.Е. Лобищева, А.В. Варфоломеева [и др.] // Проблемы стандартизации в здравоохранении. – 2019. – №9–10 [Электронный ресурс]. – Режим доступа: https://cyberleninka.ru/article/n/neyrosetevaya-interpretatsiya-rentgenologicheskogo-izobrazheniya-grudnoy-kletki-sovremennye-vozmozhnosti-i-istochniki-oshibok (дата обращения: 26.03.2025). DOI 10.26347/1607-2502201909-10004-009. EDN ERPFXL; Борисов А.А. Применение технологий искусственного интеллекта как способ обеспечения качества выполнения рентгенографии органов грудной клетки / А.А. Борисов, Ю.А. Васильев, А.В. Владзимирский [и др.] // Менеджер здравоохранения. – 2023. – №7 [Электронный ресурс]. – Режим доступа: https://cyberleninka.ru/article/n/primenenie-tehnologiy-iskusstvennogo-intellekta-kak-sposob-obespecheniya-kachestva-vypolneniya-rentgenografii-organov-grudnoy (дата обращения: 26.03.2025). DOI 10.21045/1811-0185-2023-7-91-101. EDN SAFTMA; Васильев Ю.А. Значение технологий искусственного интеллекта для профилактики дефектов в работе врача-рентгенолога / Ю.А. Васильев, А.В. Владзимирский, А.В. Бондарчук [и др.] // Врач и информационные технологии. – 2023. – Т. 2, №2023. – С. 16–27. doi:10.25881/18110193_2023_2_16. EDN SYZAOQ; Васильев Ю.А. Автономный искусственный интеллект для сортировки результатов профилактических лучевых исследований / Ю.А. Васильев, И.А. Тыров, А.В. Владзимирский [и др.] // Профилактическая медицина. – 2024. – Т. 27, №7. – С. 23–29. doi:10.17116/profmed20242707123. EDN ODGHNM; Веселов Д.И. Обнаружение переломов шейного отдела позвоночника методами искусственного интеллекта / Д.И. Веселов, Н.А. Андриянов // Нейрокомпьютеры: разработка, применение. – 2024. – Т. 26. – №6. – С. 39–48. DOI 10.18127/j19998554-202406-06. EDN FMIQOH; Викулова А.А. Разработка эффективной архитектуры CNN для классификации снимков рентгенограмм с COVID-19 / А.А. Викулова, Л.С. Гришина, И.П. Болдурина // Шаг в науку. – 2022. – №4 [Электронный ресурс]. – Режим доступа: https://cyberleninka.ru/article/n/razrabotka-effektivnoy-arhitektury-cnn-dlya-klassifikatsii-snimkov-rentgenogramm-s-covid-19 (дата обращения: 26.03.2025). EDN TPHCMA; Геворгян М.М. Использование средств компьютерного анализа изображений в оценке фолликулярного резерва / М.М. Геворгян, А.С. Мошкин, В.Н. Николенко // Киндаровские чтения, Грозный, 25.09.2024. – Грозный: Чеченский государственный университет им. А.А. Кадырова, 2024. – С. 82–86.; Карпенко В.В. Анализ возможностей и эффективности алгоритмов искусственного интеллекта при диагностике опухолей в радиологии (КТ, МРТ, маммография) / В.В. Карпенко, Б.С. Рахманов // Студенческий вестник. – 2024. – №17–6(303). – С. 20–23. – EDN IZJGRE.; Козырь Н.С. Искусственный интеллект в радиологии: обзор российских сервисов диагностики / Н.С. Козырь, А.С. Вагина // Электронный сетевой политематический журнал «Научные труды КубГТУ». – 2024. – №5. – С. 97–110. – DOI 10.26297/2312–9409.2024.5.8. EDN JWZFGW.; Филиппова Ю.А. Сравнение программ искусственного интеллекта для количественной оценки поражений легких у пациентов с COVID-19 / Ю.А. Филиппова, В.Е. Синицын // StudNet. – 2021. – №6 [Электронный ресурс]. – Режим доступа: https://cyberleninka.ru/article/n/sravnenie-programm-iskusstvennogo-intellekta-dlya-kolichestvennoy-otsenki-porazheniy-legkih-u-patsientov-s-covid-19 (дата обращения: 26.03.2025). EDN VUGCGV; Колсанов А.В. Виртуальное моделирование операции на печени на основе данных компьютерной томографии / А.В. Колсанов, А.А. Манукян, П.М. Зельтер [и др.] // Анналы хирургической гепатологии. – 2016. – Т. 21, №4. – С. 16–22. – DOI:10.16931/1995-5464.2016416-22. EDN XDMOCF; Лазарев Е.А. Этические аспекты развития и применения искусственного интеллекта: безопасность данных, прозрачность систем и ответственность / Е.А. Лазарев // Вестник науки. – 2023. – №12 (69) [Электронный ресурс]. – Режим доступа: https://cyberleninka.ru/article/n/eticheskie-aspekty-razvitiya-i-primeneniya-iskusstvennogo-intellekta-bezopasnost-dannyh-prozrachnost-sistem-i-otvetstvennost (дата обращения: 26.03.2025).; Лапина М.А. Организационно-правовые и финансовые аспекты цифровизации и внедрения технологий искусственного интеллекта в области здравоохранения / М.А. Лапина // Финансы: теория и практика. – 2022. – №3 [Электронный ресурс]. – Режим доступа: https://cyberleninka.ru/article/n/organizatsionno-pravovye-i-finansovye-aspekty-tsifrovizatsii-i-vnedreniya-tehnologiy-iskusstvennogo-intellekta-v-oblasti (дата обращения: 26.03.2025). DOI 10.26794/2587-5671-2022-26-3-169-185. EDN PWITLG; Морозов С.П. Московский эксперимент по применению компьютерного зрения в лучевой диагностике: вовлеченность врачей-рентгенологов / С.П. Морозов, А.В. Владзимирский, Н.В. Ледихова // Врач и информационные технологии. – 2020. – №4 [Электронный ресурс]. – Режим доступа: https://cyberleninka.ru/article/n/moskovskiy-eksperiment-po-primeneniyu-kompyuternogo-zreniya-v-luchevoy-diagnostike-vovlechennost-vrachey-rentgenologov (дата обращения: 26.03.2025). DOI 10.37690/1811-0193-2020-4-14-23. EDN VEWGXO; Мохаммед Л.Т. Эволюция искусственного интеллекта в медицине / Л.Т. Мохаммед // Научная инициатива иностранных студентов и аспирантов: Сборник докладов I Международной научно-практической конференции: в 2 томах, Томск, 27–29 апреля 2021 года. – Том 1. – Томск: Национальный исследовательский Томский политехнический университет, 2021. – С. 191–196. – EDN LMGSJC.; Мтвралашвили Д.А. Алгоритм на основе искусственного интеллекта для системы поддержки принятия врачебного решения при колоноскопии / Д,А. Мтвралашвили, Д.Г. Шахматов, А.А. Ликутов // Колопроктология. – 2023. – Т. 22, №2. – С. 92–102. – DOI:10.33878/2073-7556-2023-22-2-92-102. EDN EUCXNN; Павлова В.И. Результаты научно-исследовательской работы Российского общества онкомаммологов «Использование искусственного интеллекта для раннего выявления рака молочной железы» / В.И. Павлова, Ю.А. Белая, А.Ю. Воронцов // Опухоли женской репродуктивной системы. – 2023. – №2 [Электронный ресурс]. – Режим доступа: https://cyberleninka.ru/article/n/rezultaty-nauchno-issledovatelskoy-raboty-rossiyskogo-obschestva-onkomammologov-ispolzovanie-iskusstvennogo-intellekta-dlya-rannego (дата обращения: 26.03.2025). DOI 10.17650/1994-4098-2023-19-2-54-60. EDN GLWOSV; Петряйкин А.В. Точность автоматической диагностики компрессионных переломов тел позвонков по данным морфометрического алгоритма искусственного интеллекта / А.В. Петряйкин, Ж.Е. Белая, М.Г. Беляев [и др.] // Остеопороз и остеопатии. – 2022. – Т. 25, №3. – С. 92–93. DOI 10.14341/osteo13064. EDN NIBJFS; Раббимова М.У. Использование искусственного интеллекта в лучевой диагностике: от обработки изображений до автоматизированной диагностики / М.У. Раббимова // Science and Innovation. – 2024. – Т.4. №2. – С. 356–362 [Электронный ресурс]. – Режим доступа: https://cyberlininka.ru/index.php/sai/article/view/163 (дата обращения: 26.03.2025).; Рожкова Н.И. Сегментационная модель скрининга рака молочной железы на основе нейросетевого анализа рентгеновских изображений / Н.И. Рожкова, П.Г. Ройтберг, А.А. Варфоломеева // Сеченовский вестник. – 2020. – №3 [Электронный ресурс]. – Режим доступа: https://cyberleninka.ru/article/n/segmentatsionnaya-model-skrininga-raka-molochnoy-zhelezy-na-osnove-neyrosetevogo-analiza-rentgenovskih-izobrazheniy (дата обращения: 26.03.2025). DOI 10.47093/2218-7332.2020.11.3.4-14. EDN FOEKAM; Ройтберг П.Г. Технологии искусственного интеллекта в автоматизации выполнения стандартных задач врача-рентгенолога / П.Г. Ройтберг, Д.С. Блинов, В.М. Черемисин // Проблемы стандартизации в здравоохранении. – 2020. – №9–10 [Электронный ресурс]. – Режим доступа: https://cyberleninka.ru/article/n/tehnologii-iskusstvennogo-intellekta-v-avtomatizatsii-vypolneniya-standartnyh-zadach-vracha-rentgenologa (дата обращения: 26.03.2025). DOI 10.26347/1607-2502202009-10029-033. EDN NIHJFG; Солодкий В.А. Современные системы поддержки принятия врачебных решений на базе искусственного интеллекта для анализа цифровых маммографических изображений / В.А. Солодкий, А.Д. Каприн, Н.В Нуднов [и др.] // Вестник рентгенологии и радиологии. – 2023. – №104 (2). – С. 151–162. doi:10.20862/0042-4676-2023-104-2-151-162. EDN ZMHPDG; Сперанская А.А. Роль искусственного интеллекта в оценке прогрессирующих фиброзирующих болезней легких / А.А. Сперанская // Терапевтический архив. – 2022. – №3 [Электронный ресурс]. – Режим доступа: https://cyberleninka.ru/article/n/rol-iskusstvennogo-intellekta-v-otsenke-progressiruyuschih-fibroziruyuschih-bolezney-legkih (дата обращения: 26.03.2025). DOI 10.26442/00403660.2022.03.201407. EDN QVCUWW; Трухин А.А. Роль искусственного интеллекта в дифференциальной ультразвуковой диагностике узловых образований щитовидной железы / А.А. Трухин, С.М. Захарова, М.Е. Дунаев // Клиническая и экспериментальная тиреоидология. – 2022. – Т. 18. №2. – С. 32–38. DOI:10.14341/ket12730. EDN MLVJBB; Утаева У.А. Искусственный интеллект в УЗИ; как машинное обучение улучшает диагностику / У.А. Утаева, С.Х. Атаева // Boffin Academy. – 2025. – Т. 3. №1. – С. 75–79.; Филиппова Ю.А. Возможности применения методов искусственного интеллекта в выявлении и оценке поражения легких у пациентов с пневмонией COVID-19 / Ю.А. Филиппова, Г.И. Ахвердиева // E-Scio. – 2023. – №5 (80) [Электронный ресурс]. – Режим доступа: https://cyberleninka.ru/article/n/vozmozhnosti-primeneniya-metodov-iskusstvennogo-intellekta-v-vyyavlenii-i-otsenke-porazheniya-legkih-u-patsientov-s-pnevmoniey (дата обращения: 26.03.2025).; Щетинин Е.Ю. Обнаружение коронавирусной инфекции COVID-19 на основе анализа рентгеновских снимков грудной клетки методами глубокого обучения / Е.Ю. Щетинин // КО. – 2022. – №6 [Электронный ресурс]. – Режим доступа: https://cyberleninka.ru/article/n/obnaruzhenie-koronavirusnoy-infektsii-covid-19-na-osnove-analiza-rentgenovskih-snimkov-grudnoy-kletki-metodami-glubokogo-obucheniya (дата обращения: 26.03.2025). DOI 10.18287/2412-6179-CO-1077. EDN SJAPDT

Availability: https://interactive-plus.ru/files/Books/939/Cover-939.jpg?req=564740
https://interactive-plus.ru/article/564740/discussion_platform

Физика и медицина

Contributors: Буевич, Т. В., науч. рук.

Subject Terms: коронография, лазеры, физика, медицинская физика, рентгенология, радиодиагностика, плазменный скальпель, ультразвук, медицина, физиотерапия

File Description: application/pdf

Access URL: https://rep.vsu.by/handle/123456789/43197

КЛИНИКО - РЕНТГЕНОЛОГИЧЕСКАЯ ДИАГНОСТИКА БОЛЕЗНЕЙ МОЧЕВОЙ СИСТЕМЫ У СОБАК

Authors: Тоха, Д., Оспанғали, Д., Мухаметкалиев, А., Казиев, Ж.

Source: AGROBIOTEXNOLOGIYA VA VETERINARIYA TIBBIYOTI ILMIY JURNALI; 2022: SPECIAL ISSUE_ "ПЕРСПЕКТИВНЫЕ ЗАДАЧИ РАЗРАБОТКИ И ВНЕДРЕНИЯ ИННОВАЦИОННЫХ ТЕХНОЛОГИЙ В ВЕТЕРИНАРИИ И ЖИВОТНОВОДСТВЕ"; 176-180

Subject Terms: Ветеринарная рентгенология, экскреторная урография, мочекаменная болезнь, уролитиаз, цистит, собаки, моча, анурия, странгурия

File Description: application/pdf

Relation: https://sciencebox.uz/index.php/tibbiyot/article/view/4380/3936; https://sciencebox.uz/index.php/tibbiyot/article/view/4380

Availability: https://sciencebox.uz/index.php/tibbiyot/article/view/4380

Применение искусственных нейронных сетей для автоматического определения степени поражения легких при Covid-19 ; Application of artificial neural networks for automatic determination of degree of lung injury in Covid-19

Authors: Gamenyuk, S. P., Sokolov, S. Y., Гаменюк, С. П., Соколов, С. Ю.

Source: Сборник статей

Subject Terms: ARTIFICIAL NEURAL NETWORK, ARTIFICIAL INTELLIGENCE, SEGMENTATION, RADIOLOGY, CORONAVIRUS, ИСКУССТВЕННАЯ НЕЙРОННАЯ СЕТЬ, ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ, СЕГМЕНТАЦИЯ, РЕНТГЕНОЛОГИЯ, КОРОНАВИРУС

File Description: application/pdf

Relation: Актуальные вопросы современной медицинской науки и здравоохранения: материалы VII Международной научно-практической конференции молодых учёных и студентов, Екатеринбург, 17-18 мая 2022 г.; http://elib.usma.ru/handle/usma/10530

Availability: http://elib.usma.ru/handle/usma/10530

Proposals for Improving the System of Radiation Safety in Medical Exposure. Part 1. Analysis of information contained in state reporting forms and information databases in Moscow ; Предложения по совершенствованию системы радиационной безопасности при медицинском облучении. Часть 1. Анализ информации, содержащейся в государственных отчетных формах и информационных базах данных, на примере города Москвы

Authors: S. A. Ryzhov, A. V. Vodovatov, I. V. Soldatov, Z. A. Lantukh, A. N. Mukhortova, Yu. V. Druzhinina, P. S. Druzhinina, C. А. Рыжов, А. В. Водоватов, И. В. Солдатов, З. А. Лантух, А. Н. Мухортова, Ю. В. Дружинина, П. С. Дружинина

Contributors: The authors are grateful to I.E. Tyurin for help in finding sources of information., Авторы благодарны И.Е. Тюрину за помощь в поиске источников информации.

Source: Radiatsionnaya Gygiena = Radiation Hygiene; Том 15, № 3 (2022); 92-109 ; Радиационная гигиена; Том 15, № 3 (2022); 92-109 ; 2409-9082 ; 1998-426X ; 10.21514/1998-426X-2022-15-3

Subject Terms: аналитика, patient doses, patient, radiology, computed tomography, fluorography, radiation diagnostics, reporting form, analytics, дозы облучения, пациент, рентгенология, радиология, компьютерная томография, флюорография, лучевая диагностика, отчетная форма

File Description: application/pdf

Relation: https://www.radhyg.ru/jour/article/view/894/802; Scientific annex A: Evaluation of medical exposure to ionizing radiation The UNSCEAR 2020/2021 Report Volume I to the General Assembly (A/76/46). Официальный сайт НКДАР ООН. URL: https://css.unscear.org/unscear/uploads/documents/publications/UNSCEAR_2020_21_Annex-A.pdf (Дата обращения: 16.05.2022); Онищенко Г.Г., Попова А.Ю., Романович И.К., и др. Современные принципы обеспечения радиационной безопасности при использовании источников ионизирующего излучения в медицине. Часть 1. Тенденции развития, структура лучевой диагностики и дозы медицинского облучения // Радиационная гигиена. 2019. Т. 12, № 1. С. 6-24. https://doi.org/10.21514/1998-426X-2019-12-1-6-24; European Directive on Medical Exposures 97/43/Euratom и ICRP, 2020. Proceedings of the Fifth International Symposium on the System of Radiological Protection. Ann. ICRP. 2020. 49(S1).; Vodovatov A.V., Romanovich I.K., Istorik O.A., et al. PREPRINT – Preliminary assessment of structure and collective dose from CT examinations related to COVID-19 diagnostics in the Russian Federation in March-June 2020. URL: https://www.medrxiv.org/content/10.1101/2020.08.25.20181396v1 (Дата обращения: 29.03.2022) https://doi.org/10.1101/2020.08.25.20181396; Барковский А.Н., Ахматдинов Р.Р., Ахматдинов Р.Р., и др. Итоги функционирования Единой государственной системы контроля и учета индивидуальных доз облучения граждан Российской Федерации по данным за 2017 г. // Радиационная гигиена. 2018. Т. 11, No 4. С. 98-128. DOI:10.21514/1998-426Х-2018-11-4-98-128; Реестры Роспотребнадзора. Сервер поиска по реестрам Роспотребнадзора. URL: http://fp.crc.ru/ (Дата обращения: 29.03.2022); Результаты радиационно-гигиенической паспортизации в субъектах Российской Федерации за 2015 год (радиационно-гигиенический паспорт Российской Федерации). М.: Федеральный центр гигиены и эпидемиологии Роспотребнадзора, 2016. 63 с.; Результаты радиационно-гигиенической паспортизации в субъектах Российской Федерации за 2016 год (радиационно-гигиенический паспорт Российской Федерации). М.: Федеральный центр гигиены и эпидемиологии Роспотребнадзора, 2017. 64 с.; Результаты радиационно-гигиенической паспортизации в субъектах Российской Федерации за 2017 год (радиационно-гигиенический паспорт Российской Федерации). М.: Федеральный центр гигиены и эпидемиологии Роспотребнадзора, 2018. 67 с.; Результаты радиационно-гигиенической паспортизации в субъектах Российской Федерации за 2018 год (радиационно-гигиенический паспорт Российской Федерации). М.: Федеральный центр гигиены и эпидемиологии Роспотребнадзора, 2019. 69 с.; Результаты радиационно-гигиенической паспортизации в субъектах Российской Федерации за 2019 год (радиационно-гигиенический паспорт Российской Федерации). М.: Федеральный центр гигиены и эпидемиологии Роспотребнадзора, 2020. 63 с.; Результаты радиационно-гигиенической паспортизации в субъектах Российской Федерации за 2020 год (радиационно-гигиенический паспорт Российской Федерации). М.: Федеральный центр гигиены и эпидемиологии Роспотребнадзора, 2021. 66 с.; Федеральная Служба государственной статистики. URL: https://rosstat.gov.ru/folder/12781 (Дата обращения: 29.03.2022); Балонов М.И., Голиков В.Ю., Водоватов А.В., и др. Научные основы радиационной защиты в современной медицине. Том1. Лучевая диагностика. Под ред. профессора М.И. Балонова. СПб.: НИИРГ имени проф. П.В. Рамзаева, 2019. Т. 1. 320 с.; Sören Mattsson. Need for individual cancer risk estimates in X-ray and nuclear medicine imaging // Radiation Protection Dosimetry. 2016. Vol. 169, Issue 1-4. P. 11–16. https://doi.org/10.1093/rpd/ncw034; Madan M. Rehani. Patient radiation exposure and dose tracking: a perspective // Journal of Medical Imaging. 2017. Vol. 4, No 3. P. 031206. Doi:10.1117/1.JMI.4.3.031206; Martin C.J., Harrison J.D., Rehani M.M. Effective dose from radiation exposure in medicine: past, present, and future // Physica Medica. 2020. No 79. P. 87–92. doi: https://doi.org/10.1016/j.ejmp.2020.10.020; https://www.radhyg.ru/jour/article/view/894

Availability: https://www.radhyg.ru/jour/article/view/894
https://doi.org/10.21514/1998-426X-2022-15-3-92-109

Review of online X-ray diagnostic services based on artificial neural networks in dentistry ; Обзор рентгенодиагностических on-line сервисов, основанных на искусственных нейронных сетях в стоматологии

Authors: M. E. Mokrenko, N. A. Guseynov, J. Alhaffar, N. S. Tuturov, M. S. Sarkisyan, М. Е. Мокренко, Н. А. Гусейнов, Ж. Аль Хаффар, Н. С. Тутуров, М. С. Саркисян

Source: Medical Visualization; Том 26, № 3 (2022); 114-122 ; Медицинская визуализация; Том 26, № 3 (2022); 114-122 ; 2408-9516 ; 1607-0763

Subject Terms: челюстно-лицевая хирургия, artificial intelligence, radiology, cephalometric analysis, orthodontics, maxillofacial surgery, искусственный интеллект, рентгенология, цефалометрический анализ, ортодонтия

File Description: application/pdf

Relation: https://medvis.vidar.ru/jour/article/view/1103/754; Steimann F. On the use and usefulness of fuzzy sets in medical AI. Artif. Intell. Med. 2001; 21 (1–3): 131–137. http://doi.org/10.1016/s0933-3657(00)00077-4; McCulloch W.S., Pitts W. A logical calculus of the ideas imminent in nervous activity. Bull. Math. Biophys. 1943; 5: 115–133.; Poulton M.M. Computational neural networks for geophysical data processing: Elsevier, 2001. 10 p.; Newell A., Simon H.A. Computer science as empirical inquiry: Symbols and search. Commun. ACM. 1976; 19: 113 126.; Nilsson N. The Quest for Artificial Intelligence. New York: Cambridge University Press, 2010.; Rosenblatt F. The Perceptron: a probabilistic model for information storage and organization in the brain. Psychol. Rev. 1958; 65: 386–408.; Bowling M., Fürnkranz J., Graepel T., Musick R. Machine learning and games. Mach. Learn. 2006; 63: 211 215. http://doi.org/10.1007/s10994-006-8919-x; Werbos P. Beyond regression: new tools for prediction and analysis in the behavioral sciences. PhD Thesis, Harvard University, 1974.; Hopfield J.J. Neural networks and physical systems with emergent collective computational abilities. Proc. Natl. Acad. Sci. USA. 1982; 79: 2554–2558.; Park J., Sandberg I.W. Universal approximation using radial-basis-function networks. Neural. Comput. 1991; 3: 246–257.; Carpenter G.A., Grossberg S. The ART of adaptive pattern recognition by a self-organizing neural network. Computer. 1988; 21: 77–88.; Baxt W.G. Use of an artificial neural network for data analysis in clinical decision-making: the diagnosis of acute coronary occlusion. Neural. Comput. 1990; 2: 480–489.; Boon M.E., Kok L.P. Neural network processing can provide means to catch errors that slip through human screening of pap smears. Diagn. Cytopathol. 1993; 9: 411–416.; Muraev A.A., Tsai P., Kibardin I. et al. Frontal cephalometric landmarking: humans vs artificial neural networks. Int. J. Comput. Dent. 2020; 23 (2): 139–148.; Muraev A.A., Kibardin I.A., Oborotistov N.Yu., Ivanov S.S. Use of neural network algorithms for the automated arrangement of cephalometric markers on lateral cefalograms. REJR. 2018; 8 (4): 16–22. http://doi.org/10.21569/2222-7415-2018-8-2-16-22; Ezhov M., Gusarev M., Golitsyna M., et al. Clinically applicable artificial intelligence system for dental diagnosis with CBCT. Sci. Rep. 2021; 11 (1): 15006. http://doi.org/10.1038/s41598-021-94093-9; Solovyh E.A., Obrubov A.A., Arranz I. et al. Artificial Intelligence DENTOMO: Opportunities and Prospects for Interpretation of Cone Beam CT in Dentistry. Bull. Exp. Biol. Med. 2021; 170 (5): 686–688. http://doi.org/10.1007/s10517-021-05133-3; Lee J.H., Kim D.H., Jeong S.N., Choi S.H. Detection and diagnosis of dental caries using a deep learning-based convolutional neural network algorithm. J. Dent. 2018; 77: 106–111. http://doi.org/10.1016/j.jdent.2018.07.015; Kim E.Y., Lim K.O., Rhee H.S. Predictive modeling of dental pain using neural network. Stud. Health Technol. Inform. 2009; 146: 745 746.; Prados-Privado M., García Villalón J., Martínez-Martínez C.H. et al. Dental Caries Diagnosis and Detection Using Neural Networks: A Systematic Review. J. Clin. Med. 2020; 9 (11): 3579. http://doi.org/10.3390/jcm9113579; Schwendicke F., Golla T., Dreher M., Krois J. Convolutional neural networks for dental image diagnostics: A scoping review. J. Dent. 2019; 91: 103226. http://doi.org/10.1016/j.jdent.2019.103226; Orhan K., Bayrakdar I.S., Ezhov M., Kravtsov A., Özyürek T. Evaluation of artificial intelligence for detecting periapical pathosis on cone-beam computed tomography scans. Int. Endod. J. 2020; 53 (5): 680–689. http://doi.org/10.1111/iej.13265; Orhan K., Bilgir E., Bayrakdar I.S. et al. Evaluation of artificial intelligence for detecting impacted third molars on cone-beam computed tomography scans. J. Stomatol. Oral. Maxillofac. Surg. 2021; 122 (4): 333–337. http://doi.org/10.1016/j.jormas.2020.12.006; Bayrakdar K.S., Orhan K., Bayrakdar I.S. et al. A deep learning approach for dental implant planning in conebeam computed tomography images. BMC Med. Imaging. 2021; 21 (1): 86. http://doi.org/10.1186/s12880-021-00618-z; Siddiqui N.R., Hodges S., Sharif M.O. Availability of orthodontic smartphone apps. J. Orthod. 2019; 46 (3): 235–241. http://doi.org/10.1177/1465312519851183; Мураев А.А., Гусейнов Н.А., Цай П.А., Кибардин И.А., Буренчев Д.В., Иванов С.С., Оборотистов Н.Ю., Матюта М.А., Грачев Н.С., Ларин С.С. Искусственные нейронные сети в лучевой диагностике, в стоматологии и в челюстно-лицевой хирургии (обзор литературы). Клиническая стоматология. 2020; 3 (95): 72–80. http://doi.org/10.37988/1811-153X_2020_3_76; Broadbent B. A new X-ray technique and its application to orthodontia. Angle Orthod. 1931; 1: 45–66.; Wang C.W., Huang C.T., Hsieh M.C. et al. Evaluation and Comparison of Anatomical Landmark Detection Methods for Cephalometric X-Ray Images: A Grand Challenge. IEEE Trans. Med. Imaging. 2015; 34 (9): 1890–1900. http://doi.org/10.1109/TMI.2015.2412951; Wang C.W., Huang C.T., Lee J.H. et al. A benchmark for comparison of dental radiography analysis algorithms. Med. Image Anal. 2016; 31: 63–76. http://doi.org/10.1016/j.media.2016.02.004; Alam M.K., Alfawzan A.A. Dental Characteristics of Different Types of Cleft and Non-cleft Individuals. Front. Cell. Dev. Biol. 2020; 8: 789. http://doi.org/10.3389/fcell.2020.00789; Yassir Y.A., Salman A.R., Nabbat S.A. The accuracy and reliability of WebCeph for cephalometric analysis. J. Taibah. Univ. Med. Sci. 2021; 17 (1): 57–66. http://doi.org/10.1016/j.jtumed.2021.08.010; Alqahtani H. Evaluation of an online website-based platform for cephalometric analysis. J. Stomatol. Oral. Maxillofac. Surg. 2020; 121 (1): 53–57. http://doi.org/10.1016/j.jormas.2019.04.017; Meriç P., Naoumova J. Web-based Fully Automated Cephalometric Analysis: Comparisons between Appaided, Computerized, and Manual Tracings. Turk. J. Orthod. 2020; 33 (3): 142–149. Published 2020 Aug 11. http://doi.org/10.5152/TurkJOrthod.2020.20062; Silva T.P., Hughes M.M., Menezes L.D.S. et al.Artificial intelligence-based cephalometric landmark annotation and measurements according to Arnett's analysis: can we trust a bot to do that? Dentomaxillofac Radiol. 2021; 20200548. http://doi.org/10.1259/dmfr.20200548; Mamta J., Poojita G., Ravinder K. et al. A review on cephalometric landmark detection techniques. Biomed. Signal Processing Control. 2021; 66: 102486. http://doi.org/10.1016/j.bspc.2021.102486; Rao G.K.L., Mokhtar N., Iskandar Y.H.P., Srinivasa A.C. Learning orthodontic cephalometry through augmented reality: A conceptual machine learning validation approach. 2018 International Conference on Electrical Engineering and Informatics (ICELTICs). 2018; 133–138. http://doi.org/10.1109/ICELTICS.2018.8548939; Sawchuk D., Alhadlaq A., Alkhadra T. et al. Comparison of two three-dimensional cephalometric analysis computer software. J. Orthod. Sci. 2014; 3 (4): 111–117. http://doi.org/10.4103/2278-0203.143230; https://medvis.vidar.ru/jour/article/view/1103

Availability: https://medvis.vidar.ru/jour/article/view/1103
https://doi.org/10.24835/1607-0763-1103

OPTIMIZATION OF METHODS OF ROENTGEN DIAGNOSTICS IN PATIENTS WITH NECROTIZING ENTEROCOLITIS

Authors: Вадим Александрович Дударев, Марина Юрьевна Галактионова, Эльвира Васильевна Портнягина

Source: Мать и дитя в Кузбассе, Vol 20, Iss 3, Pp 23-26 (2019)

Subject Terms: дети, недоношенный с низкой и крайне низкой массой тела, рентгенология, некротический энтероколит, Pediatrics, RJ1-570, Gynecology and obstetrics, RG1-991

File Description: electronic resource

Relation: http://mednauki.ru/index.php/MD/article/view/383; https://doaj.org/toc/1991-010X; https://doaj.org/toc/2542-0968

Access URL: https://doaj.org/article/e9f7ace6927d474ea54be0a4543491cf

The history of the development of radiology

Authors: Biduchak, Anzhela, Grytsiuk, Maryana, Chornenka, Zhanetta, Domanchuk, Tetyana

Source: Current issues of social sciences and history of medicine; № 4 (2019): Topical issues of social sciences and history of medicine; 24-26
Enjeux actuels des sciences sociales et de l'histoire de la médecine; № 4 (2019): Questions d'actualité des sciences sociales et de l'histoire de la médecine; 24-26
Актуальные вопросы общественных наук и истории медицины; № 4 (2019): Актуальные вопросы общественных наук и истории медицины; 24-26
Актуальні питання суспільних наук та історії медицини; № 4 (2019): Актуальні питання суспільних наук та історії медицини; 24-26

Subject Terms: history of medicine, radiology, X-rays, історія медицини, рентгенологія, Х-промені, рентгенодіагностика, histoire de la médecine, radiologie, radiographies, история медицины, рентгенология, Х-лучи, рентгенодиагностика, 3. Good health

File Description: application/pdf

Access URL: http://e-apsnim.bsmu.edu.ua/article/download/2411-6181.4.2019.144/188999
http://e-apsnim.bsmu.edu.ua/article/download/2411-6181.4.2019.144/188999
http://e-apsnim.bsmu.edu.ua/article/view/2411-6181.4.2019.144
http://e-apsnim.bsmu.edu.ua/article/view/2411-6181.4.2019.144

Учебник по клинична образна диагностика Учебници

Authors: Брайтензеер, Мартин

Subject Terms: Томография, Рентгенология и радиология, Диангостика чрез физически методи udc, Контрастни вещества, Нуклеарна медицина, ЯМР, Компютърна томография, Ехографска диагноза, Образна диагностика

Time: 616-073

File Description: application/pdf

Availability: http://repository.mu-varna.bg/handle/nls/743

Рентгенова система тип 'С-рамо' : дозово натоварване на персонал и пациенти, дозиметрично изследване

Authors: Иванова, Наташа Иванова

Subject Terms: Рентгенология и радиология, Образна диагностика, 616-07-7, 539.16.083

Subject Geographic: Рентгенодиагностика апарати и инструменти, Рентгенови лъчи дозиметрия

File Description: application/pdf

Availability: http://repository.mu-varna.bg/handle/nls/1778

Практическо ръководство по миниинвазивна образна диагностика и терапия

Authors: Хилендаров, Атанас Димитров

Subject Terms: Образна диагностика Учебници Интервенционална радиология, Рентгенология и радиология IR, Нуклеарна медицина, Компютърна томография, Ултразвук, Ядрено-магнитен резонанс, ЯМР

Time: 616-07

File Description: application/pdf

Availability: http://repository.mu-varna.bg/handle/nls/2251

Йонизиращи лъчения и безопасна работа с тях

Authors: Иванова, Наташа Иванова

Subject Terms: Рентгенология и радиология Учебници 24, Йонизиращи лъчения, Дозиметрия, Радиация, Медицинска апаратура, Лъчелечение, 612.014.48

File Description: application/pdf

Availability: http://repository.mu-varna.bg/handle/nls/1990

THE APPLICATION OF LUNG MRI IN CASES OF COVID-19 INFECTION ; ПРИМЕНЕНИЕ МРТ ЛЕГКИХ ПРИ COVID-19 ИНФЕКЦИИ

Authors: A. E. Tsoriev, A. V. Meshkov, D. A. Gigolaev, Z. O. Kuchiev, R. Kh. Aliev, A. A. Sharbuzov, А. Э. Цориев, А. В. Мешков, Д. А. Гиголаев, З. О. Кучиев, Р. Х. Алиев, А. А. Шарбузов

Source: Diagnostic radiology and radiotherapy; Том 11, № 2 (2020); 49-57 ; Лучевая диагностика и терапия; Том 11, № 2 (2020); 49-57 ; 2079-5343 ; 10.22328/2079-5343-2020-2

Subject Terms: лучевая диагностика, MRI, CT, lung MRI, lung CT, chest MRI, chest CT, radiology, diagnostic imaging, МРТ легких, КТ легких, МРТ грудной клетки, КТ грудной клетки, рентгенология

File Description: application/pdf

Relation: https://radiag.bmoc-spb.ru/jour/article/view/525/414

Availability: https://radiag.bmoc-spb.ru/jour/article/view/525
https://doi.org/10.22328/2079-5343-2020-11-2-49-57

Повышение точности классификации рентгеновских снимков с использованием дообучения составной нейросети

Authors: Выгоняйло, В. Р., Михелев, В. М.

Subject Terms: техника, вычислительная техника, компьютерные сети, нейронные сети, сверточные нейронные сети, keras, ensorflow, медицина, медицинская рентгенология, рентгеновские снимки, грудная клетка, нижние дыхательные пути, патологии

Relation: http://dspace.bsu.edu.ru/handle/123456789/39807

Availability: http://dspace.bsu.edu.ru/handle/123456789/39807

Разработка алгоритмов машинного обучения для автоматического описания рентгеновских изображений

Authors: Скворцов, Александр Вадимович

Contributors: Друки, Алексей Алексеевич

Subject Terms: машинное обучение, рентгенология, свёрточные нейронные сети, искусственный интеллект, классификация изображений, machine learning, radiology, convolutional neural networks, artificial Intelligence, image classification, 09.04.01, 004.421:004.7.032.26:621.386.6:61

File Description: application/pdf

Relation: Скворцов А. В. Разработка алгоритмов машинного обучения для автоматического описания рентгеновских изображений : магистерская диссертация / А. В. Скворцов; Национальный исследовательский Томский политехнический университет (ТПУ), Инженерная школа информационных технологий и робототехники (ИШИТР), Отделение информационных технологий (ОИТ); науч. рук. А. А. Друки. — Томск, 2021.; http://earchive.tpu.ru/handle/11683/66647

Availability: http://earchive.tpu.ru/handle/11683/66647

Физика и медицина

Authors: Митько, Д. Д., Томашевич, А. С.

Contributors: Буевич, Т. В., науч. рук.

Subject Terms: коронография, лазеры, медицина, медицинская физика, плазменный скальпель, радиодиагностика, рентгенология, ультразвук, физика, физиотерапия

File Description: application/pdf

Relation: f59190e5ede5dc481e582021186b8b90; https://rep.vsu.by/handle/123456789/43197

Availability: https://rep.vsu.by/handle/123456789/43197

ЗАТРАТЫ РАБОЧЕГО ВРЕМЕНИ ВРАЧЕЙ-РЕНТГЕНОЛОГОВ В УСЛОВИЯХ ЦЕНТРАЛИЗОВАННОГО ОПИСАНИЯ ДИАГНОСТИЧЕСКИХ ИССЛЕДОВАНИЙ

Subject Terms: хронометраж рабочего времени, chronometric study, врач-рентгенолог, рентгенология, референс-центр, diagnostic radiology, reference center, radiologist, 3. Good health

OPTIMIZATION OF METHODS OF ROENTGEN DIAGNOSTICS IN PATIENTS WITH NECROTIZING ENTEROCOLITIS ; ОПТИМИЗАЦИЯ МЕТОДОВ РЕНТГЕН ДИАГНОСТИКИ БОЛЬНЫХ НЕКРОТИЧЕСКИМ ЭНТЕРОКОЛИТОМ

Authors: Дударев, Вадим Александрович, Галактионова, Марина Юрьевна, Портнягина, Эльвира Васильевна

Source: Mother and Baby in Kuzbass; № 3 (2019): сентябрь; 23-26 ; Мать и Дитя в Кузбассе; № 3 (2019): сентябрь; 23-26 ; 2542-0968 ; 1991-010X

Subject Terms: children, premature with low and extremely low body weight, roentgenology, necrotic enterocolitis, дети, недоношенный с низкой и крайне низкой массой тела, рентгенология, некротический энтероколит

File Description: application/pdf; text/html

Relation: http://mednauki.ru/index.php/MD/article/view/383/666; http://mednauki.ru/index.php/MD/article/view/383/698; http://mednauki.ru/index.php/MD/article/view/383

Availability: http://mednauki.ru/index.php/MD/article/view/383

Изследване на ефекта от онлайн радиологична справочна платформа StatDx ; Examining The Effect Of The Online Radiological Consultation Platform StatDx

Authors: Valchev, Georgi, Yordanova, Mariana, Todorov, Georgi, Bachvarov, Chavdar, Balev, Boyan, Popova, Ralitsa, Teneva, Tsvetelina, Kostadinova, Viktoriya

Source: Варненски медицински форум; Vol 7 (2018): Suppl. 3. Proceedings from the VII Scientific Session of the Medical College of Varna. October 5 - 6, 2018; 242-245 ; Varna Medical Forum; Vol 7 (2018): Suppl. 3. Proceedings from the VII Scientific Session of the Medical College of Varna. October 5 - 6, 2018; 242-245 ; 2367-5519 ; 1314-8338

Subject Terms: онлайн справочник, рентгенология, радиология, нови технологии, подобряване на качеството, образна диагностика, online consultation, radiology, roentgenology, new technologies, quality improvement, diagnostic imaging

File Description: application/pdf

Relation: https://journals.mu-varna.bg/index.php/vmf/article/view/6116/5397

Availability: https://journals.mu-varna.bg/index.php/vmf/article/view/6116
https://doi.org/10.14748/vmf.v7i0.6116