| Title: | Локальная система интернета медицинских вещей для анализа медицинских изображений при мониторинге болезни Альцгеймера |
| Other Titles: | A local internet of medical things system for medical image analysis in Alzheimer’s disease monitoring |
| Authors: | Вишняков, В. А. |
| Keywords: | доклады БГУИР;сверточные нейронные сети;система диагностики;интернет медицинских вещей |
| Issue Date: | 2026 |
| Publisher: | БГУИР |
| Citation: | Вишняков, В. А. Локальная система интернета медицинских вещей для анализа медицинских изображений при мониторинге болезни Альцгеймера = A local internet of medical things system for medical image analysis in Alzheimer’s disease monitoring / В. А. Вишняков // Доклады БГУИР. – 2026. – Т. 24, № 2. – С. 79–84. |
| Abstract: | Интеграция интернета медицинских вещей и технологий искусственного интеллекта создает
новую парадигму в диагностической медицине. В статье, принимая во внимание растущие требования
к безопасности данных, скорости обработки и нормативным ограничениям, рассмотрена архитектура локальной (edge-based) системы интернета медицинских вещей для анализа мультимодальных медицинских
изображений, таких как магнитно-резонансная и позитронно-эмиссионная томография пациентов с болезнью Альцгеймера. В отличие от облачных решений предлагаемая система обеспечивает обработку данных непосредственно в медицинском учреждении, что минимизирует задержки, снижает риски, связанные с передачей конфиденциальных данных, и обеспечивает полный контроль над информацией. Система
использует современные сверточные нейронные сети для автоматической сегментации, классификации
и мультимодального анализа, демонстрируя увеличение диагностической точности при нейродегенеративных заболеваниях на 15–30 % в исследовательских задачах. Разработаны структура и детализация системы, описаны ее ключевые блоки. Рассмотрено обучение нейронных сетей, распознавание с их помощью
болезни Альцгеймера. Отмечены преимущества локального подхода и перспективы внедрения системы
интернета медицинских вещей. |
| Alternative abstract: | The integration of the internet of medical things and artificial intelligence technologies is creating
a new paradigm in diagnostic medicine. Taking into account growing demands for data security, processing speed,
and regulatory restrictions, this article examines the architecture of a local (edge-based) internet of medical things
system for analyzing multimodal medical images, such as magnetic resonance imaging and positron emission to
mography scans of patients with Alzheimer’s disease. Unlike cloud-based solutions, the proposed system processes
data directly at the medical facility, minimizing delays, reducing the risks associated with the transfer of confiden
tial data, and providing complete control over the information. The system utilizes modern convolutional neural
networks for automatic segmentation, classification, and multimodal analysis, demonstrating a 15–30 % increase
in diagnostic accuracy for neurodegenerative diseases in research settings. The structure and details of the system
are developed, and its key components are described. Neural network training and Alzheimer’s disease recogni
tion using these networks are discussed. The advantages of the local approach and the prospects for implementing
the internet of medical things system are highlighted. |
| URI: | https://libeldoc.bsuir.by/handle/123456789/63648 |
| DOI: | http://dx.doi.org/10.35596/1729-7648-2026-24-2-79-84 |
| Appears in Collections: | Том 24, № 2
|
