- 11
- Использование рекуррентных нейронных сетей для обработки последовательностей ортопедических данных
- Смирнов Е. Е., Костылева В. В., Муртазина А. Р. Использование рекуррентных нейронных сетей для обработки последовательностей ортопедических данных // Технологии и качество. 2026. № 3(73). С. 70–76. https://doi.org/10.34216/2587-6147-2026-3-73-70-76.
- DOI: https://doi.org/10.34216/2587-6147-2026-3-73-70-76
- УДК: 685.34
- EDN: FVVYKS
- Дата приема статьи в публикацию: 02.07.2026
- Аннотация: Персонализация ортопедических изделий повышает комфорт их использования пациентами, но требует много ресурсов. Качественное производство такого изделия сопряжено с проведением ряда обследований, для которых характерно большое количество выходных данных. Сокращению временных затрат на их обработку и анализ может служить применение нейронных сетей рекуррентной архитектуры. Однако, принципы построения таких сетей и оценивание их эффективности существенно варьируются от задачи к задаче. В настоящей статье рассмотрены вспомогательные критерии, повышающие объективность выбора соответствующей архитектуры.
- Ключевые слова: нейронные сети, ортопедическая обувь, ортопедические стельки, подограф, рекуррентные нейронные сети, машинное обучение, маскирующий слой
- Список литературы: 1. Диагностика и коррекция постуральных нарушений, обусловленных дисплазией тазобедренного сустава у детей / Д. В. Долганов, Т. И. Долганова, М. П. Тепленький, Е. В. Олейников // Гений ортопедии. 2013. № 1. С. 40–43. 2. Баиндурашвили А. Г., Соловьева К. С., Залетина А. В. Инвалидность детского населения России вследствие травм и заболеваний костно-мышечной системы // Гений ортопедии. 2013. № 1. С. 5–8. 3. Скрябин Е. Г., Дуров М. Ф., Прокопьев Н. Я. Новый безопасный метод диагностики деформаций позвоночного столба и система немедикаментозного лечения вертеброгенного болевого синдрома у беременных женщин // Гений ортопедии. 2003. № 1. С. 14–16. 4. Isaeva A. S., Denisenko M. A., Kots I. N. Testing the layout of the rail condition monitoring system using LSTM recurrent neural networks // St. Petersburg State Polytechnical University Journal. Physics and Mathematics. 2022. Vol. 15, no. S3.2. P. 51–55. 5. Brokarev I. A., Farkhadov M. P., Vaskovskiy S. V. Recurrent neural networks to analyze the quality of natural gas // Вестник Томского государственного университета. Управление, вычислительная техника и информатика. 2021. № 55. P. 11–17. 6. Муравьева Н. В. Диагностика и коррекция постуральных нарушений у пациентов с гемигипоплазией : автореф. дис. … канд. мед. наук. М., 2015. 22 с. 7. Определение позиции стоп на изображении с применением сверточной нейронной сети / Е. Е. Смирнов, В. В. Костылева, А. Р. Муртазина [и др.] // Костюмология. 2023. Т. 8, № 3. URL: https://kostumologiya.ru/PDF/29TLKL323.pdf (дата обращения: 10.03.2026). 8. Training of Recurrent Neural Networks (RNN) in TensorFlow. URL: https://www.geeksforgeeks.org/ deep-learning/training-of-recurrent-neural-networks-rnn-in-tensorflow (дата обращения: 26.09.2025).