Томограф свободного позиционирования (ТСПО)

Томограф свободного позиционирования — уникальная технология портативной компьютерной томографии для выполнения 3D-диагностики «с рук» в экстремальных и полевых условиях.

Реконструированное изображение, полученное с помощью томографа свободного позиционирования, позволяет локализовать инородные тела в человеческом теле и обнаруживать разрушения частей тела (костей).

Изображение может быть использовано для планирования и оказания хирургической помощи.

Демонстрация работы аппарата проводится
исключительно на моделях
(в качестве образца — свиная нога)

Мобильная томография

экстренная диагностика
в любых условиях

Смотреть ролик

Программно-аппаратный комплекс умещается в чемодан и включает:

Автономный источник рентгеновского излучения, вручную перемещаемый оператором

Переносной плоскопанельный позиционно-чувствительный детектор

Запатентованные методы автопозиционирования и мониторинговой реконструкции в условиях экстремально малого числа проекций

Портативный компьютер для вычисления и визуализации цифрового 3D-изображения внутренней структуры объекта

Как работает решение?

(1) Получение проекционных
снимков

Источник излучения с ручным позиционированием произвольно перемещается оператором вблизи объекта, статично расположенного на неподвижном позиционно-чувствительном детекторе. Траектория перемещения источника не регламентируется и может быть произвольной. В режиме реального времени детектор регистрирует набор проекционных снимков. Эффективная доза облучения при исследовании (для 10 проекционных кадров) составляет не более 1–5 микрозиверт, что сопоставимо с уровнем стандартной рентгенографии и существенно (в десятки раз) ниже дозы, получаемой при традиционном клиническом КТ-исследовании.

(2) Локализация положения источника по маркерам

После получения снимков выполняется автоматическое определение траектории источника излучения с использованием разработанных запатентованных алгоритмов компьютерного зрения X-SLAM на основе методов проективной реконструкции и structure-from-motion, позволяющих восстанавливать геометрию съемки без использования прецизионной механики.

(3) Реконструкция и визуализация  3D-реконструкции

Завершающим этапом является 3D-реконструкция внутренней структуры объекта с использованием уникальных проприетарных итерационных алгоритмов томографической реконструкции для геометрии съемки под произвольными ракурсами. В отличие от стандартных клинических томографических ПО, реконструкция выполняется на обычном ноутбуке (или даже планшете) за несколько минут, что обеспечивает работу в режиме, приближенном к реальному времени. Типичное время реконструкции на пользовательском ноутбуке с процессором Intel^® i7-7500U 2.70 ГГц составляет 1058 секунд для объема изображения 533×533×250 вокселей (пиковое потребление ОЗУ — 4,8 ГБ).

Сравнение классической реконструкции и X-SLAM

Классическая реконструкция

Алгоритмы классической томографии неприменимы напрямую, но даже если их адаптировать, результат оказывается неудовлетворительным

Технология X-SLAM, разработанная в Smart Engines

Технология X-SLAM — комплекс алгоритмов на стыке компьютерного зрения и рентгеновской томографии — обеспечивает автопозиционирование приборов относительно объекта и одновременное восстановление его трехмерной внутренней структуры. Разработка позволяет не только увидеть фрагменты, но и определить и измерить глубину их залегания, а также позиционировать осколки относительно внутренних анатомических образований, таких как кости или крупные сосуды.

Эффективная доза облучения

	КТ КТ аппарат GE Optima CT520	Ручной томограф Технология запатентована
Масса	Общая масса — 1770 кг*	Масса комплекта — 5 кг
Питание	Требуется стационарное электроснабжение в 53.2 кВт*	Питание от встроенной батареи < 0.07 кВт
Способ съемки	Прецизионный прибор, требующий тщательной калибровки	Самокалибровка с помощью ИИ
Гибкость траектории	Траектория механическая	Траектория ручная
Область применения	Только стационарные медицинские учреждения	Санитарный транспорт, выездная хирургия, зоны ЧС

Области применения:

Полевой и экстремальный медицинский контур — диагностика в выездных хирургических пунктах, санитарном транспорте, зонах ЧС и труднодоступных территориях

Ветеринария — портативная 3D-диагностика животных, в том числе в полевых условиях или вне крупных клиник

Государственные и частные медицинские учреждения — дополнительный инструмент для локальной 3D-визуализации в случаях, когда использование стационарного томографа невозможно или нецелесообразно

Искусствоведение и реставрация — исследование внутренней структуры предметов искусства непосредственно в музее или галерее

Судебно-медицинская экспертиза — неразрушающее исследование объектов и тканей с получением трехмерной картины внутренней структуры

Таможенный досмотр и контроль — выявление скрытых вложений и анализ внутренней структуры объектов без их вскрытия

ТСПО на Data Fusion 2026

Томограф свободного позиционирования (ТСПО) был впервые представлен на конференции Data Fusion по анализу данных и технологиям ИИ (8–9 апреля 2026 года, Москва) в рамках секции «Компьютерное зрение».

Автор проекта, генеральный директор Smart Engines и д.т.н. Владимир Арлазаров, рассказал о разработке в докладе «Томография с рук: современные методы компьютерного зрения позволили нам уместить рентгеновский томограф в чемодан».

Посмотреть запись доклада

Научные публикации и патенты:

Nikolaev D., Gilmanov M., Kazimirov D., Chukalina M., Potrakhov N., Arlazarov V. V. Poster Abstract: Freehand Computed Tomography on Portable Edge Computing Systems // 2026 ACM/IEEE International Conference on Embedded Artificial Intelligence and Sensing Systems — Posters and Demos (SenSys-Adjunct). — 2026. — Pp. 139–140. — DOI: 10.1109/SenSys-Adjunct71932.2026.00079. — URL: https://conferences.computer.org/rtaspub26/pdfs/2155-4IVAVUPQxcA2TgpB2mokjO/215501a139/215501a139.pdf (дата обращения: 20.05.2026). (CORE/ICORE: A* )
Bulatov K. B., Ingacheva A. S., Gilmanov M. I., Chukalina M. V., Nikolaev D. P., Arlazarov V. V. Reducing radiation dose for NN-based COVID-19 detection in helical chest CT using real-time monitored reconstruction // Expert Systems with Applications. — 2023. — Vol. 229. — Part A. — P. 120425-1—120425-14. — DOI: 10.1016/j.eswa.2023.120425. (WoS, Scopus Q1)
Smolin A., Yamaev A., Ingacheva A., Shevtsova T., Polevoy D., Chukalina M., Nikolaev D., Arlazarov V. Reprojection-Based Numerical Measure of Robustness for CT Reconstruction Neural Network Algorithms // Mathematics. — 2022. — Vol. 10. — No. 22. — P. 4210-1—4210-20. — DOI: 10.3390/math10224210. (WoS, Scopus Q1);
Gilmanov M., Bulatov K., Bugai O., Ingacheva A., Chukalina M., Nikolaev D., Arlazarov V. Applicability and potential of monitored reconstruction in computed tomography // PLOS ONE. — 2024. — Vol. 19. — No. 7. — P. e0307231-1—e0307231-20. — DOI: 10.1371/journal.pone.0307231. (WoS Q2, Scopus Q1)
Bulatov K., Chukalina M., Kutukova K., Kohan V., Ingacheva A., Buzmakov A., Arlazarov V. V., Zschech E. Monitored tomographic reconstruction—An advanced tool to study the 3D morphology of nanomaterials // Nanomaterials. — 2021. — Vol. 11. — No 10. — P. 2524-1-2524-17. — DOI: 10.3390/nano11102524. (WoS Q2, Scopus Q1);
Bulatov K., Chukalina M., Buzmakov A., Nikolaev D., Arlazarov V. V. Monitored Reconstruction: Computed Tomography as an Anytime Algorithm // IEEE Access. — 2020. — Т. 8. — С. 110759-110774. — DOI: 10.1109/ACCESS.2020.3002019. (Scopus Q1, WoS Q2)
Trusov A., Limonova E., Nikolaev D. P., Arlazarov V. V. 4.6-Bit Quantization for Fast and Accurate Neural Network Inference on CPUs // Mathematics. — 2024. — Vol. 12. — No. 5. — P. 651-1—651-24. — DOI: 10.3390/math12050651. (WoS, Scopus Q1)
Sher A., Trusov A., Limonova E., Nikolaev D., Arlazarov V. V. Neuron-by-Neuron Quantization for Efficient Low-Bit QNN Training // Mathematics. — 2023. — Т. 11. — № 9. — С. 2112-1-2112-17. — DOI: 10.3390/math11092112. (WoS, Scopus Q1)
Limonova E. E., Alfonso D. M., Nikolaev D. P., Arlazarov V. V. Bipolar Morphological Neural Networks: Gate-Efficient Architecture for Computer Vision // IEEE Access. — 2021. — Т. 9. — С. 97569-97581. — DOI: 10.1109/ACCESS.2021.3094484. (Scopus Q1, WoS Q2)
Arlazarov V. L., Nikolaev D. P., Arlazarov V. V., Chukalina M. V. X-ray tomography: the way from layer-by-layer radiography to computed tomography // Computer Optics. — 2021. — Vol. 45. — No. 6. — P. 897–906. — DOI: 10.18287/2412-6179-CO-898. (Scopus Q2)
Пат.№ 2853017. Способ создания реконструированного изображения трехмерной структуры объекта с использованием портативных излучателей и детекторов рентгеновского излучения на основе рентгеновских калибровочных объектов со свободным позиционированием / Д.Д. Казимиров, М.И. Гильманов, А.В. Бузмаков, М.В. Чукалина, Д.П. Николаев, В.В. Арлазаров; № 2025121604 заявл. 05.08.2025; опубл. 17.12.2025, Бюл. № 35.
Patent No.: US12056795B2. Systems and methods for monitored tomographic reconstruction / Bulatov K.B., Chukalina M.V., Buzmakov A.V., Nikolaev D.P., Arlazarov V.V.
Patent No.: US12167927B2. Real-time monitored computed tomography (CT) reconstruction for reducing radiation dose / Bulatov K.K., Ingacheva A.S., Gilmanov M.I., Chukalina M.V., Arlazarov V.V., Nikolaev D.P.
Пат.№ 2860687. Способ цельноузлового томографического исследования внутренней структуры приборов и агрегатов с компонентами из материалов с существенно различной поглощающей способностью / Д.Д. Казимиров, М.И. Гильманов, М.В. Чукалина, Д.П. Николаев, В.В. Арлазаров; № 2025131268 заявл. 11.11.2025; опубл. 21.04.2026.
Patent No.: US Patent US11995 152B2. Bipolar morphological neural networks / E.E. Limonova, D. P. Nikolaev, V.V. Arlazarov.