Պերմի պոլիտեխնիկական համալսարանի գիտնականների խումբը մշակել է հավելված՝ վեստիբուլյար նևրիտի և նախաինսուլտային վիճակների ախտորոշման համար։ Ծրագրային ապահովումը տեղադրվում է սմարթֆոնի վրա, լրացուցիչ սենսորներ ու սարքեր չի պահանջում և հեռանկարում ընդունակ է փոխարինել մասնագիտացված բժշկական սարքավորումներին։

Որոշ հիվանդություններ, օրինակ՝ վեստիբուլյար նևրիտը, երկկողմանի վեստիբուլոպատիան կամ Մենյերի հիվանդությունը, հանգեցնում են գլխի շարժումների ժամանակ հայացքի կայունացումն ապահովող վեստիբուլո-օկուլյար ռեֆլեքսի խանգարմանը։ Արդյունքում մարդն ունենում է ուժեղ գլխապտույտներ։ Պարզելու համար, թե որքանով է խանգարված ռեֆլեքսը, բժիշկներն իրականացնում են գլխի պտույտի վիդեո-իմպուլսային թեստ. մասնագիտացված սարքավորումը գնահատում է, թե գլխի կտրուկ պտույտի ժամանակ բուժառուի հայացքը որքանով է ընդունակ կենտրոնանալ մեկ կետի վրա։ Նույն թեստը հնարավորություն է տալիս բացահայտել նաև նախաինսուլտային վիճակը. եթե գլխապտույտների առկայության դեպքում ռեֆլեքսը նորմայի սահմաններում է, ապա խնդիրը գլխուղեղի արյան շրջանառության խանգարումն է, գրում է «Научная Россия»-ն։

Մասնագիտացված սարքերը, որոնց օգնությամբ հնարավոր է իրականացնել ախտորոշումը, բավականին թանկարժեք են. դրանք ապարատածրագրային լուծումներ են, որոնք ներառում են տեսախցիկներ՝ իրենց ամրակներով, բուժառուի գլխին տեղադրվող իներցիոն սենսորներ և ծրագրային ապահովում։ Ընդ որում, այդ սարքերն արտադրվում են միայն արտերկրում, իսկ ծրագրային ապահովումը վերահսկվում է բաժանորդագրությամբ և կարող է հետ կանչվել, պատմել է Պերմի պոլիտեխնիկական համալսարանի  «Կիրառական մաթեմատիկա» ամբիոնի ասպիրանտ Գենադի Մամիկինը։

«Պերմի հիվանդանոցներից մեկի նախաձեռնությամբ մենք սկսեցինք սմարթֆոնների համար նախատեսված ախտորոշիչ ծրագրային ապահովման մշակումը։ Նեյրոնային ցանցերի ալգորիթմների միջոցով մշակելով տեսանյութը՝ մենք կարողանում ենք որոշել բուժառուի գլխի և աչքերի դիրքը. դրանք այն հիմնական տվյալներն են, որոնք անհրաժեշտ են բժիշկներին ճիշտ ախտորոշման համար։ Պատկերի մշակման եղանակները հիմնականում հիմնված են կոնվոլյուցիոն նեյրոնային ցանցերի վրա, սակայն մենք աշխատանքներ ենք տանում տեսանյութը այսպես կոչված գրաֆային ցանցերի՝ Graph Attention Networks-ի միջոցով մշակելու ուղղությամբ»,- հայտնել է Գենադի Մամիկինը։

Ծրագիրը մշակվել է iOS օպերացիոն համակարգի, այսինքն՝ Apple-ի սարքերի համար. բացի տեսանկարահանումից, դրանք հնարավորություն են տալիս իրականացնել դեմքի 3D սկանավորում, որն օգտագործվում է հեռախոսն արգելաբացելիս։ Այդ տեսախցիկից ստացվող սկզբնական տվյալները գիտնականներին օգնում են միաժամանակ հստակեցնել գլխի դիրքը կադրում։ Միաժամանակ, ալգորիթմների բարձր ճշգրտության համար պահանջվում են բարձր կետայնությամբ տեսախցիկներով սմարթֆոններ։ Full HD որակը Գենադի Մամիկինն անվանում է անհրաժեշտ նվազագույն շեմ. բանն այն է, որ բացի բացարձակ անկյուններով գլխի դիրքի որոշումից, անհրաժեշտ է տեսանյութում որսալ նաև բուժառուի բիբերի դիրքը։ Որքան շատ պիքսելներ հայտնվեն բիբի հատվածում, այնքան ավելի ճշգրիտ կաշխատեն ալգորիթմները։

«Ճշգրտությունը որոշելու համար մենք պետք է հիմնվենք հենակետային սենսորների վրա, որոնք հնարավորություն են տալիս գնահատել թույլատրելի շեղումը։ Մեր հավելվածի աշխատանքը գնահատել ենք այսպես կոչված իներցիոն սենսորների միջոցով. դրանք փոքրիկ գիրոսկոպներ են, որոնք տեղադրվել են բուժառուի ծոծրակին։ Այդ տվյալներն օգտագործել ենք որպես էտալոնային նմուշ, որի հետ համեմատել ենք մեր եղանակի ճշգրտությունը, իսկ հետազոտության արդյունքները նկարագրել ենք գիտական հոդվածում»,- նշել է Գենադի Մամիկինը։

Մշակված համակարգը փոխանցվել է պոլիկլինիկաներում նախնական փորձարկումներ անցնելու համար։ Գիտնականները միաժամանակ տվյալների բազա են հավաքագրում առողջ և խանգարումներ ունեցող բուժառուների շրջանում։ Այդ տեղեկությունների հիման վրա կուսուցանվի համապատասխան մոդուլը, որը բժիշկներին ախտորոշման վերաբերյալ հանձնարարականներ կտրամադրի։