Исследователи научили нейросеть выявлять рак на ранней стадии
Уникальный в мировом масштабе алгоритм для обработки и анализа медицинских изображений, позволяющий восстанавливать потерянные на снимке участки, разработали в Казанском федеральном университете (КФУ). Методику ученых уже активно используют врачи Университетской клиники.
Для повышения эффективности анализа маммограмм также была разработана система компьютерной диагностики, которая обеспечивает возможность обнаружения плохо видимых изменений. При исследовании более 600 случаев было показано, что данная система обеспечивает выявление 90% случаев рака молочной железы, в том числе 48% невидимых и 87% плохо видимых случаев, в среднем за два года до фактической постановки диагноза.
Даже небольшие дефекты на медицинских изображениях могут привести к ложным диагнозам врачей. Это особенно важно, когда искажение происходит из-за мелких неисправностей в оборудовании.
Маммография — наиболее эффективное и весьма распространенное исследование, предназначенное для раннего выявления рака молочной железы. Однако ранние признаки заболевания могут иметь весьма малые размеры (несколько миллиметров) либо располагаться на плотном фоне, что значительно затрудняет их выявление в процессе визуального анализа маммограммs врачом-рентгенологом и приводит к несвоевременной диагностике.
Как сообщил руководитель научно-исследовательской лаборатории «Высокопроизводительные вычисления, медицинская кибернетика и машинное зрение» Института вычислительной математики и информационных технологий КФУ Дмитрий Тумаков, алгоритм представляет собой синтез работы нейронной сети и математических подходов, в том числе преобразования Фурье.
«Алгоритм можно совершенствовать. Нам удалось добиться высокого качества снимка, но не произошло ли потерь, значимых для медиков? Когда мы говорим про медицинские изображения, то их анализирует врач. Мы также сравнили результаты обработки маммографических изображений, полученные с помощью модели сверточной нейронной сети, с результатами, полученными с помощью модели алгоритма вложенных контуров на основе. Нейросеть проводит анализ маммограммы, находит изъяны. Таким образом, медику «подсказывают» о возможности онкологического заболевания, опухолях. Так мы делаем проверку, не потеряли ли мы что-то значимое, улучшив качество снимков при помощи разработанного алгоритма. Нам удалось сохранить текстуры изображений, что важно для медиков», — пояснил Дмитрий Тумаков.
Алгоритм состоит из трех этапов. Первый — это выявление дефектов. Второй предполагает улучшение и выравнивание контрастов различных частей изображения вне дефекта. На третьем происходит восстановление области дефекта с помощью комбинации интерполяции и искусственной нейронной сети.
Маммограмма, полученная как результат применения алгоритма, отличается значительно лучшим качеством изображения и не содержит искажений, вызванных изменением яркости пикселей. Из исходного и полученного изображений извлекается 98 радиомических признаков, и делаются выводы о минимальных различиях признаков между исходным изображением и изображением, полученным по предложенному алгоритму.
Соответствующее исследование и выводы отражены в научной статье «Устранение дефектов маммографии, вызванных неисправностью матрицы аппарата» (Journal of Imaging). Сейчас ноу-хау казанских ученых уже активно пользуются врачи Университетской клиники КФУ. В планах у ученых — объединить алгоритмы устранения дефектов и «предсказывающую» нейронную сеть для повышения качества классификации маммографических изображений в будущих исследованиях.
Работа выполнена в рамках стратегического проекта КФУ «Метаплатформенные решения ИТ, ИИ и киберфизических систем», поддержанного программой Минобрнауки России «Приоритет 2030» (нацпроект «Наука и университеты»).
