ИСТИНА

В работе представлен комплексный подход к диагностике пневмонии на основе рентгенограмм грудной клетки, объединяющий современные методы глубокого обучения и объяснимого ИИ (XAI). На основе сравнительного анализа архитектур CNN (ResNet34, DenseNet121) разработана двухэтапная классификационная модель с точностью 90-94%, дополненная многоуровневой системой интерпретации: Локальная объяснимость (Grad-CAM, LIME) – визуализация значимых областей на снимке; Глобальная логика (нейронечёткая система ANFIS) – генерация продукционных правил; Генеративное автоописание – автоматическое формирование диагностического заключения на естественном языке. Решение реализовано в виде MLOps-совместимой веб-платформы с поддержкой интеграции в PACS/EMR-системы, что обеспечивает прозрачность принятия решений и удобство внедрения в клиническую практику. Ключевое преимущество – сочетание высокой точности CNN с интерпретируемостью на уровне визуальных, логических и текстовых пояснений, критически важных для врачебного доверия. Работа выполнена на базе общедоступных датасетов (Kaggle Pneumonia, NIH ChestXRay) с валидацией на клинически релевантных данных.