Е.О. Брянская1, Д.В. Герасин2, А.В. Бакотина3, А.Ю. Овчинников4, Ю.О. Николаева5, В.В. Дрёмин6, А.В. Дунаев7

1, 2, 6, 7 Научно-технологический центр биомедицинской фотоники ФГБОУ ВО «Орловский государственный университет им. И.С. Тургенева» (г. Орел, Россия)
3–5 Российский университет медицины Минздрава России (Москва, Россия)
1 bryanskayae@mail.ru

Постановка проблемы. Тенденция к увеличению доступности и точности ранней диагностики патологии ЛОР-органов создали предпосылки к развитию оптических методов, среди которых выделяют метод цифровой диафаноскопии. Методы машинного обучения, в частности свёрточные нейронные сети, – перспективное направление в цифровой диафаноскопии для существенного снижения субъективности диагностики патологий верхнечелюстных пазух.

Цель. Разработать модель классификации на основе свёрточной нейронной сети ResNet-50 для дифференциальной диагностики состояния верхнечелюстных пазух при цифровой диафаноскопии на классы «отсутствие патологии», «синусит», «кистозное изменение» с указанием стороны расположения патологии: «левосторонняя», «правосторонняя», «двусторонняя» с улучшенными, по сравнению с ранее предложенными подходами, показателями точности.

Результаты. Проведено научное обоснование возможности применения свёрточных нейронных сетей ResNet-50 для дифференциации патологий верхнечелюстных пазух. Разработана модель классификации, позволяющая дифференцировать состояния верхнечелюстных пазух на классы «отсутствие патологии», «синусит» с показателями: чувствительность 0,9, специфичность 0,95 и точность 0,88; «кистозное изменение» с показателями: чувствительность 0,86, специфичность 0,96 и точность 0,88.

Практическая значимость. Предложенный в работе подход является основой для создания системы поддержки принятия врачебных решений в цифровой диафаноскопии с целью раннего выявления патологий верхнечелюстных пазух, в частности, в рамках скрининга здоровья населения по классу заболеваемости ЛОР-органов, и в телемедицине.

Брянская Е.О., Герасин Д.В., Бакотина А.В., Овчинников А.Ю., Николаева Ю.О., Дрёмин В.В., Дунаев А.В. Система дифференциальной диагностики патологий верхнечелюстных пазух на основе цифровой диафаноскопии и свёрточных нейронных сетей // Биомедицинская радиоэлектроника. 2026. T. 29. № 3. С. 18−22. DOI: https:// doi.org/10.18127/j156 04136-202603-03

1. Плужников М.C., Иванов Б.С., Усанов А.А. Лазерная диафаноскопия при воспалительных заболеваниях придаточных пазух носа // Вестник оториноларингологии. 1991. Т. 4. С.22.
2. Feldmann H. Die Geschichte der Diaphanoskopie. Laryngo-Rhino-Otologie. 1998. V. 77. № 5. P. 297–304.
3. Bryanskaya E.O., Dremin V.V., Shupletsov V.V., Kornaev A.V., Kirillin M.Yu., Bakotina A.V., Panchenkov D.N., Podmasteryev K.V., Artyushenko V.G., Dunaev A.V. Digital diaphanoscopy of maxillary sinus pathologies supported by machine learning. Journal of Biophotonics. 2023. V. 16. № 9. P. e202300138.
4. Брянская Е.О., Дунаев А.В. Метод и устройство цифровой диафаноскопии для диагностики патологий верхнечелюстных пазух // Медицинская техника. 2023. Т. 339. №3. С. 5–7.
5. Chainansamit S., Chit-uea-ophat C., Reechaipichitkul W., Piromchai P. The Diagnostic Value of Traditional Nasal Examination Tools in an Endoscopic Era. Ear, Nose Throat J. 2021. V. 100. № 3. P. 167–171.
6. Jacques S.L. Optical properties of biological tissues: A review. Phys. Med. Biol. 2013. V. 58. № 11. P. R37–R61.
7. Valkov A., Nokolov G., Duhlenski B., Stoyanov T., Mladenov T., Yildiz M., Atanasova K., Mirchev S., Valcheva K. The application of ultrasound examination in the treatment of Acute Sinusitis. Comparing X-ray to ultrasound of paranasal sinuses. Int. Bull. Otorhinolaryngol. 2021. V. 17. № 1. P. 40–41.
8. Bryanskaya E.O., Novikova I.N., Dremin V.V., Gneushev R.Y., Bibikova O.A., Dunaev A.V., Artyushenko V.G. Optical Diagnostics of the Maxillary Sinuses by Digital Diaphanoscopy Technology. Diagnostics. 2021. V. 77. № 11. P.1–13.
9. Wu Q., Wang X., Liang G., Luo X., Zhou M., Deng H., Zhang Y., Huang X., Yang Q. Advances in Image-Based Artificial Intelligence in Otorhinolaryngology-Head and Neck Surgery: A Systematic Review. Otolaryngol. Head Neck Surg. 2023. V. 169. № 5. P. 1132–1142.
10. Gerasin D.V., Bryanskaya E.O., Dremin V.V., Dunaev A.V. The Use of Convolutional Neural Networks to Classify the States of the Maxillary Sinuses in Digital Diaphanoscopy. 2024 Intelligent Technologies and Electronic Devices in Vehicle and Road Transport Complex (TIRVED). Moscow, Russia. 2024. November 13–15. P. 1–4.