bsuirДоклады БГУИРDoklady BGUIR1729-76482708-0382БГУИР10.35596/1729-7648-2026-24-5-101-109bsuir-4453Research ArticleСтатьиПрименение градиентного бустинга для прогнозирования изменения напряженно-деформированного состояния поясничного отдела позвоночника человекаApplication of Gradient Boosting to Predict Changes in the Stress-Strain State of the Human Lumbar SpineСеменченяТ. С.SemencheniaT.

Семенченя Татьяна Сергеевна, асп., ст. преп. каф. информационных технологий  Тел.: +375 25 538-03-71 

246746, Гомель, просп. Октября, 48

Semenchenia Tatyana, Postgraduate, Senior Lecturer at the Department of Information Technology  Tel.: +375 25 538-03-71

246746, Gomel, Oktyabrya Ave., 48 

levts@gstu.byГомельский государственный технический университет имени П. О. СухогоБеларусьSukhoi State Technical University of GomelBelarus202607112026245101109Copyright © Семенченя Т.С., 20262026Семенченя Т.С.Semenchenia T.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://doklady.bsuir.by/jour/article/view/4453

Классический конечно-элементный анализ поясничного отдела позвоночника жестко ограничен статической геометрией, получаемой в ходе компьютерной томографии в статическом положении пациента лежа. Прямой расчет напряженно-деформированного состояния для альтернативных физиологических поз в реальном времени невозможен из-за высокой вычислительной трудоемкости, отсутствия расчетных сеток для различных положений тела (наклоны к полу, боковые наклоны, удержание груза) и вариантов нагружения человека. В статье описывается разработка гибридного биомеханического подхода, который использует данные компьютерной томографии в покое для прогнозирования изменения напряженно-деформированного состояния в условиях изменения пространственного положения тела и вариантов нагружения. Для аппроксимации физических полей применены алгоритмы градиентного бустинга XGBoost и CatBoost. Предлагаемый подход позволяет выявлять зоны критической концентрации напряжений и деформаций при пространственном изменении положения тела и моделировать биомеханические состояния, недоступные для прямого численного анализа.

Conventional finite element analysis of the lumbar spine is strictly limited to the static geometry obtained via computed tomography with the patient in a static, supine position. Direct calculation of the stressstrain state for alternative physiological postures in real time is unfeasible due to high computational demands and the lack of computational meshes corresponding to various body positions (such as forward bending, lateral bending, or load-bearing) and loading scenarios. This article describes the development of a hybrid biomechanical approach that utilizes resting-state computed tomography data to predict changes in the stress-strain state resulting from variations in body position and loading conditions. Gradient boosting algorithms – specifically XGBoost and CatBoost – are employed to approximate the physical fields. The proposed approach enables the identification of zones with critical stress and strain concentrations during changes in body position and allows for the modeling of biomechanical states that are otherwise inaccessible to direct numerical analysis.

поясничный отдел позвоночникаметод конечных элементовградиентный бустингCatBoostXGBoostlumbar spinefinite element methodgradient boostingCatBoostXGBoostReferencesГусева, В. Р. Дегенеративно-дистрофические заболевания позвоночника, патогенез, клинические проявления, диагностика, лечение / В. Р. Гусева, В. В. Никитина // Флагман науки. 2023. С. 55–64.Guseva V. R., Nikitina V. V. (2023) Degenerative-Dystrophic Diseases of the Spine, Pathogenesis, Clinical Manifestations, Diagnosis, Treatment. Flagship of Science. 55–64 (in Russian).Automatic Generation of Subject-Specific Finite Element Models of the Spine from Magnetic Resonance Images / J. Kok [et al.] // Frontiers in Bioengineering and Biotechnology. 2023. Vol. 11.Kok J., Shcherbakova Y. M., Schlоsser T. P., Seevinck P. R., Velden T. A., Castelein R. M., et al. (2023) Automatic Generation of Subject-Specific Finite Element Models of the Spine from Magnetic Resonance Images. Frontiers in Bioengineering and Biotechnology. 11.Напряженно-деформированное состояние поясничного отдела позвоночника в III стадии дегенеративного процесса / Е. Л. Цитко [и др.] // Мультидисциплинарный подход к диагностике и лечению коморбидной патологии: сб. науч. ст. Респуб. науч.-практ. конф. с междунар. участием, Гомель, 29–30 нояб. 2018 г. Гомель: Гомельск. гос. мед. ун-т, 2018. С. 506–509.Tsitko E. L., Smeyanovich A. F., Astapovich E. S., Tsitko E. V. (2018) Stress-Strain State of the Lumbar Spine at Stage III of the Degenerative Process. Multidisciplinary Approach to the Diagnosis and Treatment of Comorbid Pathology, Collection of Scientific Papers from the Republican Scientific and Practical Conference with International Participation, Gomel, Nov. 29–30. Gomel, Gomel State Medical University. 506–509 (in Russian).Kurachka, К. Automation of Primary Diagnostics of Diseases of the Human Lumbar Spine Using Intelligent Analysis of CT Images / К. Kurachka, X. Wang // Open Semantic Technologies for Intelligent Systems: Research Papers Collection. 2025. Iss. 9. Р. 355–360.Kurachka K., Wang X. (2025) Automation of Primary Diagnostics of Diseases of the Human Lumbar Spine Using Intelligent Analysis of CT Images. Open Semantic Technologies for Intelligent Systems, Research Papers Collection. (9). 355–360.Семенченя, Т. С. Математическая модель напряженно-деформированного состояния поясничного отдела позвоночника человека на основе анализа КТ-изображений / Т. С. Семенченя, К. С. Курочка // Информационные технологии и системы: материалы Междунар. науч. конф., Минск, 19 нояб. 2025 г. Минск: Белор. гос. ун-т информ. и радиоэлек., 2025. С. 177–178.Semenchenya T. S., Kurochka K. S. (2025) Mathematical Model of the Stress-Strain State of the Human Lumbar Spine Based on the Analysis of CT Images. Information Technologies and Systems, Proceedings of the International Scientific Conference, Minsk, Nov. 19. Minsk, Belarusian State University of Informatics and Radioelectronics. 177–178 (in Russian).Developing of a Mathematical Model to Perform Measurements of Axial Vertebral Rotation on Computer-Aided and Automated Diagnosis Systems, Using Raimondi’s Method / J. Hurtado-Aviles [et al.] // Radiology Research and Practice. 2021. Vol. 1. P. 55–64.Hurtado-Aviles J., Roca-Gonzalez J., Kurochka K. S., Manuel Sanz-Mengibar J., Santonja-Medina F. (2021) Developing of a Mathematical Model to Perform Measurements of Axial Vertebral Rotation on Computer-Aided and Automated Diagnosis Systems, Using Raimondi’s Method. Radiology Research and Practice. 1, 55–64.Effective Modulus of the Human Intervertebral Disc and Its Effect on Vertebral Bone Stress / H. Yang [et al.] // Journal of Biomechanics. 2016. Vol. 49. P. 1134–1140.Yang H., Jekir M. G., Davis M. W., Keaveny T. M. (2016) Effective Modulus of the Human Intervertebral Disc and Its Effect on Vertebral Bone Stress. Journal of Biomechanics. 49, 1134–1140.Чумаченко, Е. Н. Расчет напряженно-деформированного состояния двигательного сегмента позвоночника при нагрузках / Е. Н. Чумаченко, И. В Логашина // Авиакосмическая и экологическая медицина. 2014. T. 48, № 5. C. 51–57.Chumachenko E. N., Logashina I. V. (2014) Calculation of the Stress-Strain State of the Spinal Motion Segment Under Loads. Aerospace and Environmental Medicine. 48 (5), 51–57 (in Russian).Массарон, Л. Машинное обучение на табличных данных: XGBoost, глубокое обучение и ИИ / Л. Массарон, М. Райан. СПб.: Питер, 2026.Massaron L., Ryan M. (2026) Machine Learning on Tabular Data: XGBoost, Deep Learning, and AI. Saint Petersburg, Piter Publ. (in Russian).Probst, Р. Tunability: Importance of Hyperparameters of Machine Learning Algorithms / P. Probst, A.-L. Boulesteix, B. Bischl // Journal of Machine Learning Research. 2019. Vol. 20, No 53. P. 1–32.Probst P., Boulesteix A.-L., Bischl B. (2019) Tunability: Importance of Hyperparameters of Machine Learning Algorithms. Journal of Machine Learning Research. 20 (53), 1–32.

The authors declare that there are no conflicts of interest present.