Аннотация: В работе рассматривается применение триплетно-вариационного автоэнкодера (T-VAE) для анализа медицинских изображений, в частности компьютерной томографии (КТ) и магнитно-резонансной томографии (МРТ). Архитектура объединяет возможности вариационного автоэнкодера и триплетного обучения, что позволяет формировать латентное пространство, одновременно пригодное для реконструкции и для метрического сравнения. Предлагается использовать T-VAE для восстановления медицинских изображений и выделения скрытых кластеров, соответствующих различным заболеваниям. Такой подход обеспечивает повышение точности классификации и интерпретируемости результатов, что открывает перспективы для систем поддержки клинических решений.
Ключевые слова: триплетно-вариационный автоэнкодер, латентное пространство, медицинские изображения, КТ, МРТ, машинное обучение, классификация заболеваний.