Ибрахим Анагим1

1 Санкт-Петербургский государственный электротехнический университет «ЛЭТИ» им. В.И. Ульянова (Ленина) (Санкт-Петербург, Россия)
1 anaghemibrahem66@gmail.com

Постановка проблемы. Современные методы диагностики нарушений опорно-двигательного аппарата, особенно при оценке осанки во фронтальной и сагиттальной плоскостях, ограничены в анализе динамических состояний, таких как ходьба или другие формы естественного движения. Статические методики не отражают реальное поведение позвоночника в процессе движения, что снижает точность диагностики таких патологий, как сколиоз, асимметрия таза и гиперлордоз. Дополнительные трудности возникают при анализе видео, из-за дрожания камеры, изменения углов обзора и качества кадров. Оптические системы трекинга также подвержены перспективным искажением, что затрудняет количественную оценку параметров осанки.

Цель. Разработать усовершенствованный алгоритм измерения и классификации деформаций позвоночника во время движения; обеспечить стабильную систему координат, адаптивную к движению пациента, автоматическое и точное определение маркеров позвоночника, а также количественный анализ кривизны и асимметрии позвоночного столба; особое внимание уделяется корректной обработке видеоданных, извлечению ключевых кадров, компенсации дрожания, а также применению нейросетевых методов для классификации типа деформации.

Результаты. Разработан комплексный алгоритм, включающий в себя несколько взаимосвязанных этапов. На этапе предварительной обработки осуществлены стандартизация видеоматериала (до формата MP4, 1080p), компенсация дрожания с помощью стабилизации, а также выбор ключевых кадров с использованием методов компьютерного зрения на основе сверточных и рекуррентных нейронных сетей (CNN и RNN). Для обеспечения точности анализа применено пониженное сжатие, позволяющее сохранить высокое качество изображения, необходимое для точной оценки текстур и анатомических ориентиров позвоночника. Проведены инициализация камеры и синхронизация координатных осей. При необходимости, осуществлено согласование видео с биомеханическими сигналами движения. Измерение деформаций выполнено на основе алгоритма YOLOv6, с последующим уточнением результатов с помощью моделей CNN и LSTM, что обеспечивает точное извлечение координатных данных позвоночника в условиях движения. На этапе постобработки произведены фильтрация шума, сглаживание и уточнение границ изгибов позвоночника. Осуществлена автоматическая классификация выявленных деформаций, включая определение типа и степени выраженности таких патологий, как сколиоз, кифоз и лордоз. Отмечено, что финальным этапом является визуализация результатов в виде графиков кривизны и отклонений, а также генерация структурированного отчета с количественной оценкой и рекомендациями для клинического применения.

Практическая значимость. Предложенный алгоритм открывает новые перспективы в диагностике нарушений осанки, обеспечивая возможность точных измерений в условиях естественного движения пациента без необходимости использования дорогостоящего оборудования или строго контролируемых условий. Его применение позволяет объективно оценивать эффективность различных ортопедических средств, таких как корсеты, стельки и экзоскелеты, а также отслеживать прогрессирование патологий позвоночника на ранних стадиях. Кроме того, алгоритм может быть адаптирован для индивидуализации реабилитационного процесса в зависимости от динамики изменения кривизны позвоночника, что делает его ценным инструментом в клинической практике. Благодаря своей универсальности и эффективности, разработка легко интегрируется в мобильные и телемедицинские решения, что значительно расширяет сферу ее применения. В совокупности, данный подход представляет собой важный шаг к созданию интеллектуальных диагностических систем нового поколения, сочетающих высокую точность, адаптивность и доступность.

Анагим Ибрахим. Усовершенствованный алгоритм анализа и диагностики деформаций позвоночника с использованием динамической обработки изображений и машинного обучения // Биомедицинская радиоэлектроника. 2025. T. 28. № 5. С. 85−90. DOI: https://doi.org/10.18127/ j15604136-202505-17

1. Анагим Ибрагим, Смирнова Л.М., Юлдашев З.М. Прибор для исследования позы человека во фронтальной плоскости при ходьбе // Биомедицинская радиотехника. 2025. Т. 28. № 2. С. 56–62. DOI: https:// doi.org/10.18127/j15604136-202502-09.
2. Cheng Y., Liu Q., Zhao C., Zhu X., Zhang G. Разработка и реализация медиаплеера на базе FFmpeg // In: Software Engineering and Knowledge Engineering: Theory and Practice: V 2. Springer Berlin Heidelberg. 2012. P. 867–874.
3. Дунаев А.В. Метод и устройство оценки функционального состояния микроциркуляторно-тканевых систем организма человека на основе многопараметрической оптической диагностики. // Вестник российских университетов. Сер.: Радиоэлектроника. 2020. Т. 23. № 4. С. 77–91.
4. Movellan J.R. Учебное пособие по методике Габора Фильтры. Документ с открытым исходным кодом. 2002. 40. С. 1–23.
5. Тануре М.К., Пинейро А.П., Оливейра А.С. Оценка надежности измерений угла Кобба с использованием ручных и цифровых методов // The Spine. 2010. V. 10(9). С. 769–774.