К.Е. Санарова1, А.С. Маланова2, Д.В. Рыжкова3, Н.С. Гончарова4, О.М. Моисеева5

1,2,3,4,5 ФГБУ «НМИЦ им. В.А. Алмазова» Минздрава России (Санкт-Петербург, Россия)

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

1 kseniya.sanarova@mail.ru, 2 malanova1998@gmail.com, 3 ryzhkova_dv@almazovcentre.ru, 4 goncharova_ns@almazovcentre.ru, 5 moiseeva_om@almazovcentre.ru

Постановка проблемы. Оценка состояния легочной ткани – ключевая задача диагностики и мониторинга заболеваний, ассоциированных с нарушением структуры и функции легочного сосудистого русла. Решение данной задачи осуществляется с применением лучевых методов визуализации, среди которых наиболее информативное – гибридное ПЭТ/КТ-исследование. Однако стандартные подходы к анализу ПЭТ-данных преимущественно основаны на визуальной оценке и стандартизированных показателях, которые не всегда обладают достаточной чувствительностью к ранним изменениям. Ручной анализ ПЭТ-изображений отличается высокой трудоемкостью и межэкспертной вариабельностью, воспроизводимость результатов при этом снижается, а применение метода в динамическом наблюдении затруднено. В связи с этим возникает необходимость разработки автоматических подходов, обеспечивающих объективную количественную оценку изменений легочной ткани.

Цель. Разработать программное обеспечение для автоматической количественной оценки состояния легочной ткани на основе ПЭТ-данных, предназначенное для выявления патологических изменений и их мониторинга в динамике.

Результаты. Создан программный модуль, реализующий автоматическую количественную оценку состояния легочной ткани по данным ПЭТ/КТ. Показано, что алгоритм работы программы включает в себя последовательные этапы: преобразование DICOM-файлов в восьмибитные полутоновые изображения; пространственную синхронизацию ПЭТ/КТ-срезов на основе DICOM-координат; предобработку изображений (фильтрация, повышение контраста, инверсия); двухэтапную сегментацию паренхимы легких и сосудов по КТ с последующим переносом контуров на ПЭТ-изображения. Реализована функция расчета статистических параметров распределения яркости в сегментированных областях ПЭТ (среднее, максимум, дисперсия, среднеквадратическое отклонение) с медианной агрегацией по 10–15 срезам. Разработан графический интерфейс для автоматического анализа и экспорта результатов. Проведен тест алгоритма сегментации на 10 ПЭТ/КТ-исследованиях путем сравнения с ручной разметкой, выполненной врачом-радиологом. Установлено, что точность сегментации по IoU составила 0,87 для паренхимы легких и 0,69 для сосудов.

Практическая значимость. Предложенный и описанный в работе алгоритм может быть использован в клинических и исследовательских задачах в качестве инструмента для количественного оценки состояния легочной ткани.

Санарова К.Е., Маланова А.С., Рыжкова Д.В., Гончарова Н.С., Моисеева О.М. Разработка программного обеспечения для автоматической оценки состояния легочной ткани пациентов на основе ПЭТ-данных // Биомедицинская радиоэлектроника. 2026. Т. 29. № 6. С. 101−105. DOI: https://doi.org/10.18127/j15604136-202606-17

1. Чурко А.А., Никонова А.И., Халилова Л.А., Панина И.Ю., Куликов А.Н. Проблемы диагностики гипертензии малого круга кровообращения // Новые Санкт-Петербургские врачебные ведомости. 2024. № (3). С. 56–64. URL: https://doi.org/10.24884/ 1609-2201-2024-103-3-56-64.
2. Brar K.K. et al. Image segmentation review: Theoretical background and recent advances // Information Fusion. 2025. V. 114. P. 102608.
3. Nguyen D.T. et al. Ct to pet translation: a large-scale dataset and domain-knowledge-guided diffusion approach //2025 IEEE/CVF Winter Conference on Applications of Computer Vision (WACV). IEEE, 2025. P. 1498-1507.