Исследование посвящено применению глубокого обучения для автоматической диагностики сколиоза на рентгеновских снимках. В работе сравниваются различные архитектуры сверточных нейронных сетей: Faster R-CNN с backbone-слоями ResNet-50, ResNet-101, ResNext-101, RetinaNet и YOLO 11 различных версий (nano, small, medium, large, extra-large). Обучение проводилось на датасете рентгеновских изображений со сколиозом и без, размеченных bounding box с помощью платформы Roboflow. По результатам экспериментов Faster R-CNN с backobone слоем ResNext-101 и YOLO 11 (medium, extra-large) достигли точности 93% по метрике mAP50 при IoU = 0.5. При время инференса YOLO 11 значительно быстрее (10 мс против 85 мс у Faster R-CNN), что делает ее предпочтительной для интеграции в системы автоматической диагностики.

Пудов Н.А. (науч. рук. Авксентьева Е.Ю.) Применение глубокого обучения для выявления сколиоза по рентгеновским изображениям // Сборник тезисов докладов конгресса молодых ученых. Электронное издание. – СПб: Университет ИТМО, [2025]. URL: https://kmu.itmo.ru/digests/article/14374