Вирішено завдання автоматизованого розпізнавання – діагностики циротичних змін та метастатичного ураження печінки за результатами аналізу лапароскопічних зображень. Об’єктом дослідження був процес побудови діагностичної системи автоматизованого розпізнавання лапароскопічних зображень. Предметом дослідження складали методи формування вихідних вибірок зображень для навчання каскадного класифікатора за ознаками Хаара. Метою роботи було створення інформаційної технології підтримки прийняття рішень при лапароскопічній діагностиці стану поверхні печінки на основі каскаду Хаара. Класифікацію зображень здійснювали з використанням методу каскадного класифікатора. При використанні для навчання 1000 зображень позитивного характеру та 500 негативних зображень показник чутливості діагностики цирозу печінки розробленої технології складав 68,8% і перевищував таку, яка мала місце при експертній діагностиці (31,0%) (P<0,01). При метастатичному уражені достовірні відмінності зазначеного показника складали 80,0% та 46,7% відповідно (P<0,02). Крім того, при метастатичному ураженні достовірно підвищувалась специфічність діагностики – з 52,5% при експертній діагностиці до 85,0% (P<0,01), а також спостерігалось зростання прогностичних показників – як позитивного (з 42,4% до 80,0%, P<0,01), так і негативного (з 56,8% до 87,2%, P<0,01). Згідно показникам тестування, показник AUC ROC для каскадного класифікатору склав 0,891, в той час як для експертної оцінки дорівнював 0,723, що свідчить про більшу ефективність застосування каскадного класифікатора. Розроблена технологія може бути рекомендована в клінічній практиці при виконанні лапароскопічних хірургічних втручань.

автоматизоване розпізнавання зображень, лапароскопічне відео зображення, ознаки Хаара