Локальная система интернета медицинских вещей для анализа медицинских изображений при мониторинге болезни Альцгеймера

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.

1. Вишняков, В. А. Машинное обучение, нейронные сети, интернет вещей, блокчейн в IT-диагностике / В. A. Вишняков. Mинск: Респуб. ин-т высш. шк., 2025.

2. Dwivedi, R. Potential of Internet of Medical Things (IoMT) Applications in Building a Smart Healthcare System: A Systematic Review / R. Dwivedi, D. Mehrotra, S. Chandra // Journal of Oral Biology and Craniofacial Research. 2021. Vol. 12, No 10. P. 1–17.

3. Deep Convolutional Neural Networks in Medical Image Analysis: A Review / I. D. Mienye [et al.] // Information. 2025. Vol. 16, No 3.

4. Automated Detection of Alzheimer’s Disease: A Multi-Modal Approach with 3D MRI and Amyloid PET / G. Castellano [et al.] // Scientific Reports. 2024. Vol. 14. Р. 1–12.

5. Deep Learning-Based PET Image Denoising and Reconstruction: A Review / F. Hashimoto [et al.] // Radiological Physics and Technology. 2024. Vol. 17. Р. 24–46.

6. Медицинские показания ПЭТ/МРТ [Электронный ресурс]. Режим доступа: https://bioskaner.eu/ru/meditsinskie-pokazaniya-pet-mrt/. Дата доступа: 24.01.2026.

7. Whole-Body PET/MRI of Pediatric Patients: The Details That Matter / A. Pareek [et al.] // Journal of Visualized Experiments. 2017. Vol. 19.

8. Vishniakou, U. А. Mobile IT-Diagnostic System for Alzheimer’s Disease Recognition / U. А. Vishniakou, Yu Chuyue // Journal of Advances in Health and Medical Sciences. 2024. Vol. 10. Р. 20–23.

9. A Perspective Roadmap for IoMT-Based Early Detection and Care of the Neural Disorder, Dementia / S. Juneja [et al.] // Journal of Healthcare Engineering. 2021.

10. IoMT Driven Alzheimer’s Prediction Model Empowered with Transfer Learning and Explainable AI Approach in Healthcare 5.0 / A. H. Khan [et al.] // Cientific Reports. 2025. Vol. 15, No 1.