Introducere. Ultrasonografia (USG) musculo-scheletală
este o metodă contemporană accesibilă, informativă şi
cost-eficientă, ce oferă posibilităţi de diagnosticare a traumelor
contuze ale ţesuturilor moi. Insuficienţa specialiştilor
imagişti cât şi medicilor legişti pregătiţi în acest domeniu
condiţionează limitarea aplicării USG în practica medico-
legală. Scopul lucrării. Demonstrarea posibilităţilor de
aplicare a USG pentru diagnosticarea traumelor contuze
musculo-scheletale în medicina legală şi elaborarea modelului
de inteligenţă artificială (AI) ce va fortifica această
metodă. Material şi metode. În baza datelor din literatură
au fost analizate posibilităţile de aplicare a USG în medicina
legală. A fost elaborat un model Machine Learning (ML)
pentru analizarea imaginilor USG, utilizând limbajul de
programare Python şi biblioteca open-source TensorFlow.
Rezultate. Elaborarea aplicaţiilor bazate pe AI şi ML şi folosirea
utilajelor Internet of Medical Things (IoMT) facilitează
procesul diagnostic, îl face mai rapid, eficient şi precis, chiar
şi pentru personalul medical cu pregătire minimă în USG.
A fost definită arhitectura modelului ML. Au fost elaborate
criteriile de includere a imaginilor USG în dataset. Imaginile
au fost analizate, adnotate şi augmentate. Dataset-ul a fost
divizat în trei grupe de imagini: pentru antrenarea modelului,
pentru validare şi, respectiv, testare. Se preconizează
şi testarea clinică cu antrenarea imagistului competent în
USG musculoscheletală care va valida rezultatele obţinute
de soft. Concluzii. USG este o metodă eficientă în diagnosticarea
traumelor contuze musculoscheletale, inclusiv în scopuri
medico-legale. Utilizarea AI şi a modelelor ML poate
să fortifice această metodă prin analizarea automatizată a
imaginilor USG ce va spori precizia şi viteza diagnosticării,
oferind informaţie preţioasă chiar şi pentru personal medical
mai puţin pregătit.
Background. Musculoskeletal ultrasound (USG) is an accessible,
informative and cost-effective contemporary method
that offers diagnostic possibilities for soft tissue blunt trauma.
The lack o f trained imaging and forensic specialists in
this field limits the application of USG in forensic practice.
Objective of the study. Show the possibilities of USG application
for the diagnosis of musculoskeletal blunt trauma in
forensic medicine and to develop the artificial intelligence
(AI) model which will strengthen this method. Material
and methods. Based on literature data, the possibilities of
USG application in forensic medicine were analyzed. A Machine
Learning (ML) model for USG image analysis was developed
using Python programming language and the opensource
TensorFlow library. Results. The development of AI
and ML-based applications and the use of Internet of Medical
Things (IoMT) tools facilitates the diagnostic process,
making it faster, more efficient and accurate, even by medical
staff with minimal USG background. The architecture of
the ML model has been defined. Criteria for including USG
images in the dataset have been developed. Images w ere analyzed,
annotated and augmented. The dataset w as divided
into three groups of images: for model training, for validation
and for testing, respectively. Clinical testing involving a
sonographer with experience in musculoskeletal USG which
will validate obtained results is also planned. Conclusions.
USG is an efficient method in the diagnosis of musculoskeletal
blunt trauma, for forensic purposes as well. The use of
AI and ML models can strengthen this method through automated
analysis of USG images that w ill increase the accuracy
and speed of diagnosis, providing valuable information
even for less trained medical personnel.
