Proceedings of the International scientific and practical conference ―Education and Scientific Progress‖ (April 24-26, 2026) / Publisher website: www.naukainfo.com. – Manchester, United Kingdom, 2026. - 218 p.

16 Центральною частиною системи є програмний модуль ідентифікації аномалій. Припустимо, що базова температура тканини становить 36.5°C, а локальна аномалія (пухлина) має температуру 38.5°C. Хмарна система проводить порівняльний аналіз: якщо вирахувана температура на глибині перевищує поріг, система маркує ділянку як потенційно небезпечну [6], [7]. Для візуалізації використовується клієнтський додаток на React, який отримує оновлення через Azure SignalR Service. Це забезпечує:  Побудову 2D/3D карт розподілу температури в реальному часі.  Відображення динаміки зміни температури під час зондування різними типами антен.  Порівняння отриманих даних з еталонними профілями здорових тканин. Використання хмари вирішує проблему обмеженої потужності локальних контролерів, дозволяючи використовувати складні алгоритми фільтрації шумів та кореляційного аналізу, що підвищує точність діагностики онкозахворювань на ранніх стадіях [5]. Висновки. Застосування хмарних технологій Azure у радіотермодіагностиці відкриває шлях до створення високоточних діагностичних систем нового покоління. Хмарна інфраструктура забезпечує не лише необхідну обчислювальну потужність для реалізації складних математичних моделей, а й створює єдине середовище для зберігання та аналізу історії хвороб пацієнтів. Це дозволяє підвищити достовірність виявлення онкологічних патологій на ранніх стадіях за рахунок глибинного аналізу температурних аномалій. Такий підхід дозволяє перенести важкі обчислення з портативного пристрою в хмару, забезпечуючи високу точність обробки без збільшення габаритів самого радіотермометра.