О Проекте | About

maxresdefaultПроект Ассоциации флебологов России по обучению нейронной сети классифицировать результаты МР-флебографии | The project of the Russian Phlebologists Association on Neural Network Learning to classify the results of MR-phlebography

Стойко Ю.М. maxresdefault
Руководитель проекта – Стойко Юрий Михайлович д.м.н. профессор, главный хирург НМХЦ им. Н.И.Пирогова, Президент Ассоциации флебологов России

Leader of the project team Yury Stoyko PhD, professor, chief surgeon Pirogov Medical and Surgical Center (Moscow), President of Russian Phlebologist Association



Ведущий рентгенолог проекта д.м.н. профессор Климова Наталья Валерьевна
Chief Radiologist of the project Natalia Klimova PhD, professor of Surgut State University (Surgut)
Координатор проекта – Мазайшвили Константин Витальевич, д.м.н. профессор кафедры хирургии Сургутского государственного университета


Coordinator of the project Konstantin Mazayshvili PhD, professor of Surgery department Surgut State University (Surgut)

Уважаемые коллеги, друзья!
Мозг человека слишком универсален. Он сформировался в эволюции для одновременного решения огромного числа задач: выбор оптимального поведения в стае, добывание пищи, размножение и т.п. Мы создали узкоспециализированный искусственный интеллект, все ресурсы которого будут работать над решением одной единственной задачи. Эта задача – одна из наиважнейших в современной флебологии: зависимость тяжести клинических нарушений венозного оттока от трехмерной геометрии проксимального венозного русла (магистральных вен забрюшинного пространства).

Если мы решим эту задачу, мы сможем целенаправленно хирургически корректировать эти вены, точно прогнозируя, какие мы получим технические результаты, и насколько после нашего лечения лучше себя будет чувствовать пациент.

Dear Colleagues, Friends!
The human brain is too universal. It was formed in the process of evolution for the simultaneous solution of a huge number of problems: the choice of optimal behavior in a collective, obtaining food, reproduction, etc.

We created a highly specialized artificial intelligence, all the resources of which will work to solve one single task. This task is one of the most important in modern phlebology: the dependence of the severity of disturbance of venous outflow from the three-dimensional geometry of the proximal veins (the large veins of the retroperitoneal space).

If we solve this problem, we can purposefully surgically correct these veins, accurately predicting in advance what we will get as a result not only technical results, but also how much better the patient will feel as a result.