Исследование и разработка методов определения вальгусной деформации стопы с помощью подометрической измерительной системы

<jats:p>Актуальность исследования обусловлена проблемой развития методов обработки подометрических изображений, характеризующих распределение давления стоп пациентов на чувствительной платформе. На сегодняшний день диагностирование проблем опорно-двигательного аппарата производится ручными методами по отпечаткам стоп (плантография), тогда как подометрия предоставляет компьютерные изображения, пригодные для автоматизированной обработки. Несмотря на очевидные преимущества такого подхода, не все традиционные плантографические методы применимы в подометрии, что приводит к необходимости разработки новых. Данная статья посвящена исследованию существующих и разработке новых методов, направленных на выявление плоско-вальгусной деформации стопы. Проводится анализ работ по теме, выявляется наиболее перспективный метод, основанный на сверточных нейронных сетях, для сравнения с которым в работе используется тот же набор подометрических изображений (датасет). Описаны этапы разработки собственных методов для сравнения с существующими, выявляются ограничения используемого датасета, а также применения тех или иных методов машинного обучения для решения задачи. Лучшие результаты показывает наивный байесовский классификатор, который обеспечивает точность в 71 %. Формируется заключение о проблемах датасета и путях улучшения дальнейших результатов. Материалы представляют практическую ценность для разработчиков в сфере медицинского приборостроения, а также для врачей, использующих подометрические измерительные системы в своей практике.</jats:p> <jats:p>The relevance of this study stems from the need to develop methods for processing podometric images characterizing the distribution of patient foot pressure on a sensitive platform. Currently, musculoskeletal disorders are diagnosed manually using foot prints (plantography), whereas podometry provides computer images suitable for automated processing. Despite the obvious advantages of this approach, not all traditional plantographic methods are applicable to podometry, necessitating the development of new ones. This article examines existing methods and develops new ones aimed at identifying flat-valgus foot deformities. An analysis of relevant studies is conducted, identifying the most promising method based on convolutional neural networks, which is compared with the same set of podometric images (dataset). The stages of developing our own methods for comparison with existing ones are described, the limitations of the dataset used are identified, and the application of various machine learning methods to solve the problem is discussed. The best results are demonstrated using a naive Bayes classifier, which achieves an accuracy of 71 %. A conclusion is drawn about the dataset's limitations and ways to improve future results. The materials are of practical value to developers in the field of medical instrumentation, as well as to physicians who use podometric measurement systems in their practice.</jats:p>