Планиметрические исследования ран с применением нейросетевой технологии

В клинической практике одним из ключевых методов контроля эффективности лечения ран мягких тканей является определение площади раневой поверхности. Нейросетевые технологии являются перспективным методом для расчета площади раневой поверхности, определения признаков течения раневого процесса и планирования персонализированного лечения в соответствии с клинической динамикой.

Цель исследования. Анализ результатов измерения площадей раневых поверхностей с использованием программы WoundVision.

Материалы и методы. Исследование проведено в трех блоках: стендовые испытания – схематические раны и муляжи, экспериментальные – у лабораторных животных и клинические – у пациентов с трофическими язвами. Сравнивали точность определения площади раневой поверхности с методом Л. Н. Поповой, программами для персонального компьютера ImageJ, UniversalDesktopRuler и WoundVision, мобильным приложением ImitoWound.

Результаты. Установлено, что точность расчета площади раны зависит от формы контура и кривизны поверхности. ImageJ и UniversalDesktopRuler систематически занижали результаты – средняя точность составила 80–88 %. Приложение ImitoWound демонстрировало стабильность получаемых результатов со средней точностью 92 %, но хуже справлялась с изогнутыми поверхностями. Программа WoundVision за счет применения нейросетевых технологий и 3D-сканирования продемонстрировала лучшие результаты в исследуемых группах. При использовании программы WoundVision при измерении схематических ран получена средняя площадь 98,27 ± 0,65 %, муляжей – 99,19 ± 0,49 %, ран у лабораторных животных – 98,52 ± 4,17 %, у пациентов с трофическими язвами – 98,52 ± 4,17 %.

Заключение. Разработанная программа WoundVision является наиболее точным методом из исследуемых аналогов. Однако имеется ряд ограничений, например, использование специализированной камеры. Тем не менее метод Л. Н. Поповой остается самым точным из существующих, но трудоемким из-за затрат времени на его реализацию и наличия ограничений.

1. Kaye KS, Petty LA, Shorr AF, Zilberberg MD. Current Epidemiology, Etiology, and Burden of Acute Skin Infections in the United States. Clin Infect Dis. 2019 Apr 8;68(Suppl 3):S193–S199. https://doi.org/10.1093/cid/ciz002

2. Wang W, Meng Q, Li Q, Liu J, Zhou M, Jin Z, Zhao K. Chitosan Derivatives and Their Application in Biomedicine. Int J Mol Sci. 2020 Jan 12;21(2):487. https://doi.org/10.3390/ijms21020487

3. International Wound Infection Institute (IWII) Wound Infection in Clinical Practice. Wounds International. 2022. Доступно по: https://woundsinternational.com/wp-content/uploads/2023/05/IWII-CD-2022-web.pdf Дата обращения: 06.05.2026.

4. Williams M. Wound infections: an overview. Br J Community Nurs. 2021 Jun 1;26(Sup6):S22–S25. https://doi.org/10.12968/bjcn.2021.26.sup6.s22

5. Григорьян А. Ю. Применение факторного анализа при исследовании эффективности местного лечения гнойных ран кожи и мягких тканей. Тверской медицинский журнал. 2023;4:78–80. EDN: OTOLMR

6. Ibraheem WI, Bhati AK, Hakami NA, Alshehri AD, Wadani MHM, Ageeli FME. Comparison of Digital Planimetry and Ruler Methods for the Measurement of Extraction Socket Wounds. Medicina (Kaunas). 2023 Jan 10;59(1):135. https://doi.org/10.3390/medicina59010135

7. Табалдыев А. Т. Современные методы лечения гнойных ран и их эффективность. Бюллетень науки и практики. 2022;8(12):311– 319. https://doi.org/10.33619/2414-2948/85/36

8. Аль-Канани Э. С. Х., Солошенко А. В., Николаев С. Б., Олейник Н. В., Герасимов И. В., Иващук О. Д., и др. Инфекционные осложнения после плановых операций в многопрофильном стационаре. Актуальные проблемы медицины. 2024;47(1):99–118. https://doi.org/10.52575/2687-0940-2024-47-1-99-118

9. Ивануса С. Я., Рисман Б. В., Шаяхметов Р. Е., Янишевский А. В., Бабенко М. В., Шипилов П. А. Компьютерная планиметрия как метод объективного контроля заживления ран при синдроме диабетической стопы. Вестник Российской Военно-медицинской академии. 2023;25(2):239–248. https://doi.org/10.17816/brmma321607

10. Михайлов Н. О., Боков Д. А., Андреев А. А., Глухов А. А. Сравнительный анализ современных методов планиметрии в изучении ран мягких тканей. Профилактическая медицина. 2022;25(5-2):46. EDN: FANAZR

11. Дерий Э. К., Зиновьев Е. В., Крайнюков П. Е., Костяков Д. В, Кокорин В. В., Хрускина Е. В., Бояринов Б. О. Методы определения площади раневой поверхности. Военно-медицинский журнал. 2022;343(3):61–65. https://doi.org/10.52424/00269050_2022_343_3_61

12. Sánchez-Jiménez D, Buchón-Moragues FF, Escutia-Muñoz B, Botella-Estrada R. SfM-3DULC: Reliability of a new 3D wound measurement procedure and its accuracy in projected area. Int Wound J. 2022 Jan;19(1):44–51. https://doi.org/10.1111/iwj.13595

13. Foltynski P, Ladyzynski P. Digital Planimetry with a New Adaptive Calibration Procedure Results in Accurate and Precise Wound Area Measurement at Curved Surfaces. J Diabetes Sci Technol. 2022 Jan;16(1):128–136. https://doi.org/10.1177/1932296820959346

14. Lucas Y, Niri R, Treuillet S, Douzi H, Castaneda B. Wound Size Imaging: Ready for Smart Assessment and Monitoring. Adv Wound Care (New Rochelle). 2021 Nov;10(11):641–661. https://doi.org/10.1089/wound.2018.0937

15. Robinson CJ, Dickie B, Lindner C, Herrera J, Dingle L, Reid AJ, et al. Complex wound analysis using AI. Comput Biol Med. 2025 May;190:109945. https://doi.org/10.1016/j.compbiomed.2025.109945

16. Liu H, Sun W, Cai W, Luo K, Lu C, Jin A, et al. Current status, challenges, and prospects of artificial intelligence applications in wound repair theranostics. Theranostics. 2025 Jan 2;15(5):1662–1688. https://doi.org/10.7150/thno.105109

17. Назаренко А. Г., Клейменова Е. Б., Молодченков А. И., Пономарчук А. С., Герасимова Н. П., Юрченкова Е. С., Яшина Л. П. Применение методов машинного обучения для анализа изображений хронических ран. Искусственный интеллект и принятие решений. 2025;1:103–114. https://doi.org/10.14357/20718594250109

18. Свидетельство о государственной регистрации программы для ЭВМ № 2025667847 Российская Федерация. Система обучения нейросетевой модели для сегментации ран мягких тканей: заявл. 11.06.2025 : опубл. 09.07.2025. Н. О. Михайлов, А. В. Максимов, А. А. Андреев, А. А. Глухов; заявитель Федеральное государственное бюджетное образовательное учреждение высшего образования «Воронежский государственный медицинский университет имени Н. Н. Бурденко» Министерства здравоохранения Российской Федерации. EDN: BGKAQX

19. Свидетельство о государственной регистрации программы для ЭВМ № 2025680231 Российская Федерация. Система автоматизированного распознавания и измерения площади ран: заявл. 11.06.2025: опубл. 04.08.2025. Н. О. Михайлов, А. В. Максимов, А. А. Андреев, А. А. Глухов; заявитель Федеральное государственное бюджетное образовательное учреждение высшего образования «Воронежский государственный медицинский университет имени Н.Н. Бурденко» Министерства здравоохранения Российской Федерации. EDN: LQYJSE

20. Михайлов Н. О., Глухов А. А., Андреев А. А., Лаптиёва А. Ю., Судаков О. В., Ивашков В. Ю., Денисенко А. С. Сравнительный анализ точности и времени расчета площади раневой поверхности с использованием мобильных приложений. Наука и инновации в медицине. 2025;10(2):161–168. https://doi.org/10.35693/sim643331

21. Боков Д. А., Михайлов Н. О. Сравнительный анализ современных методик измерения площади раневой поверхности. Молодежный инновационный вестник. 2022;11(2):27–31. EDN: HXOLEK