Актуальность работы обусловлена необходимостью разработки веб‑приложения для диагностики опухолей головного мозга по данным МРТ, которое обеспечивает предобработку и стандартизацию входных изображений, высокоточное распознавание наличия и типа опухоли, предоставление результатов в удобной для врача форме, а также возможность масштабирования и дальнейшего совершенствования моделей по мере накопления новых данных. Цель исследования – создание полнофункциональной веб-системы для медицинской диагностики с удобным интерфейсом. Методы исследования. В качестве основных методов исследования применяются методы машинного обучения на основе сверточных нейронных сетей и технологии разработки программного обеспечения. Результаты. В работе разработано веб-приложение для диагностики опухолей головного мозга на основе сверточных нейронных сетей. Для распознавания и классификации изображений МРТ использована модель MobileNet, а для семантической сегментации применена архитектура U-Net. Реализован frontend на React с TypeScript и backend на Python. Выводы. Из проведенных тестов следует, что разработанное приложение демонстрирует высокую точность распознавания и сегментации опухолей, обеспечивая эффективность в задачах медицинской диагностики.
The clinical relevance of this research lies in the necessity of introducing web-based applications to enhance the efficiency of brain tumor diagnosis via MRI data. This application provides preprocessing and standardization of input images, high-precision recognition of the presence and type of tumor, presentation of results in a physician-friendly format, and the ability to scale and further refine the model as new data accumulates. The proposed application ensures automated preprocessing and standardization of input images, high-accuracy tumor detection and classification, and clear visualization of results for clinical decision support; furthermore, the system architecture supports scalability and continuous model refinement as new data is accumulated. Aim. The study aims to design a functional web-based system for medical diagnosis featuring an accessible user interface. Research methods. The core approach involves machine learning based on convolutional neural networks and robust software development technologies. Results. A fully functional web application integrated with convolutional neural networks was successfully developed and deployed for automated brain tumor diagnosis. The system utilizes a MobileNet model for MRI image classification and recognition, while a U-Net architecture is deployed for precise semantic segmentation of tumor regions. The frontend framework was implemented using React and TypeScript, while the backend infrastructure was constructed in Python. Conclusions. The tests conducted show that the developed application demonstrates high accuracy in tumor recognition and segmentation, ensuring its effectiveness in medical diagnostics. The validation tests confirm that the developed application yields high accuracy in tumor detection and segmentation, ensuring robust performance in real-world medical imaging tasks.