The report presented in a schematic diagram shall cover the identification of injuries in X-rays or CTs used in the treatment of orthopaedic diseases by means of a computer application in the field of image processing, for the identification of bone lesions in X-rays. The injury recognition model is continuously trained, which means that if new data emerge from the sample data block after periodic synchronization, the sample data set is increased and in the next iteration is trained on more examples, in addition, after completing the model training,its evaluation is carried out automatically and the model which achieves the best result according to the agreed metric shall be published to the service providing the model. In order to automatically start the next iteration of learning, the hyperparameters of the two best models are used to input an evolutionary algorithm that returns new, potentially better hyperparameters for the new model, followed by building a new model according to the hyperparameters obtained and starting the training process.Przedmiotem zgłoszenia przedstawionym schematycznie na rysunku jest sposób rozpoznawania urazów na zdjęciach RTG lub KT mający zastosowanie w leczeniu schorzeń ortopedycznych za pomocą aplikacji komputerowej w dziedzinie przetwarzania obrazów, do rozpoznawania urazów układu kostnego na zdjęciach rentgenowskich. Model rozpoznawania urazów jest trenowany w sposób ciągły, oznacza to, że w przypadku pojawienia się nowych danych bloku przechowywania danych wzorcowych po okresowej synchronizacji, zbiór danych wzorcowych jest powiększony i w następnej iteracji jest trenowany na większej ilości przykładów, oprócz tego po zakończeniu trenowania modelu, wykonywana jest automatycznie jego ewaluacja i model, który uzyskuje najlepszy wynik wedle ustalonej metryki zostaje publikowany do usługi udostępniającej model. W celu automatycznego rozpoczęcia kolejnej iteracji uczenia, hiperparametry dwóch najlepszych modeli są wykorzystywane na we
