В данной статье рассмотрены проблемы, возникающие при цифровой обработке изображений внутренних органов человека, полученных методом видеоэндоскопии, а также пути их устранения. Несмотря на широкое применение видеоэндоскопических изображений в медицине, в диагностике и хирургии, их качество может снижаться из-за таких факторов, как недостаточное освещение, шумы, геометрические искажения и изменение цветового баланса. Кроме того, биологическое разнообразие человеческого организма и патологические различия проявления заболеваний негативно влияют на точность моделей искусственного интеллекта. В статье обоснована актуальность использования современных алгоритмических подходов, включая технологии глубокого обучения, для повышения качества изображений и эффективности диагностики.

Данная исследовательская работа посвящена проблеме классификации патологий на снимках компьютерной томо!рафии почек с использованием глубоких нейронных сетей, которая анализирует не только бинарную классификацию типа «норма/патология», но и сложные вопросы дифференциальной диагностики между патологиями. В работе также предложен комбинаторный подход к классификации патологий, в котором показано, что первоначально постановка общего диагноза с использованием четырехфакторной модели классификации, а в сомнительных случаях дополнительное обследование с использованием бинарных или тернарных моделей, приемлемо для клинической практики.