Исследователи МГУ им. М.В. Ломоносова разработали алгоритм Fast and Adaptive Bidimensional Empirical Mode Decomposition (FABEMD), который предназначен для расширения обучающей базы ИИ-систем диагностики туберкулеза. Он позволяет создавать синтетические рентгеновские изображения. Для этого на реальных снимках удаляются фоновые структуры. На новых версиях сохраняются диагностически важные особенности.

FABEMD протестировали на открытых международных датасетах, которые включают тысячи рентгеновских изображений: Montgomery, Shenzhen, TBX11K, Sakha-TB и других. Как показали эксперименты, добавление синтетических снимков в обучающей выборке повышает диагностическую точность ИИ-моделей, особенно на сложных наборах с ограниченным объемом данных. По словам ученых, алгоритм улучшил классификацию снимков и сделал модели более устойчивыми к изменению качества данных.

Подход к созданию синтетических снимков может применяться в других медицинских задачах анализа изображений, считают исследователи. Например, в диагностике легочных заболеваний, офтальмологии и онкологии.

В Пензенском госуниверситете в сентябре 2025 года представили ИИ-ассистента врача-рентгенолога для помощи в выявлении патологий легких. Система способна диагностировать 18 заболеваний.