Учёные Южного Урала предложили цифровые решения для медицины

Научные сотрудники ЮУрГУ вместе с иностранными коллегами разработали новую модель классификации снимков МРТ на основе технологий углублённого обучения нейронной сети, которая ускоряет и точнее выявляет злокачественные опухоли мозга. Результаты исследования опубликованы в научном журнале Journal of Big Data.

Исследование провела международная научная группа из пяти специалистов университетов Индии и ЮУрГУ — старшего научного сотрудника кафедры системного программирования ВШ ЭКН, пост-дока Сэчина Кумара и кандидата физико-математических наук, доцента Михаила Цымблера. Направление работы выбрано в области разработки методов компьютерного анализа снимков МРТ (магнитно-резонансной томографии) для выявления опухолей глиобластомы на основе технологий искусственных нейронных сетей.

Искусственный интеллект классифицирует изображения, извлекает из изображений характерные признаки для дальнейшей обработки. Точность извлеченных признаков, однако, не гарантируется, поскольку пока не разработана соответствующая строгая математическая процедура проверки.

«В данном исследовании была предложена новая модель классификации снимков МРТ на основе технологий глубокого обучения, использующая гибридный подход. Модель предполагает выполнение классификации в три этапа. На первом этапе выполняется предварительная обработка данных, которая предполагает извлечение признаков из изображения посредством дискретного вейвлет-преобразования, векторизацию изображения и конструкцию дополнительных признаков для обработки. Второй этап связан с уменьшением размерности изображений с использованием метода главных компонент и предоставляет векторы признаков уменьшенной размерности, используемые для более точной классификации изображений. Третий этап предполагает работу стека ограниченных машин Больцмана (RBM, Restricted Boltzmann machine), формирующих глубокую сеть доверия со скрытыми уровнями, которая завершает процесс классификации», ― поясняет Сэчин Кумар.

Проверка результатов подтверждает, что предложенная гибридная модель классификации опережает существующие аналоги по времени обучения и точности. Учёные считают, что их работа принесёт пользу в области медицины для выявления заболеваний мозга и правильных диагнозов.

«Хотя МРТ позволяет получать высококонтрастные снимки головного мозга, которые весьма полезны для постановки диагноза человеком, для чтения и понимания таких снимков требуются высококвалифицированные специалисты с соответствующим медицинским образованием. Технологии искусственных нейронных сетей позволяют автоматизировать, упростить и ускорить процесс диагностики, сводя к минимуму рутинную работу человека и снижая требования к его квалификации, обеспечивая при этом более высокую точность диагноза», ― говорит Михаил Цымблер.

Исследование может быть расширено в направлении повышения эффективности классификационной модели при работе с большим количеством снимков МРТ, в которых имеются шаблоны окклюзионного типа. Окклюзия в общем случае свидетельствует о закупорке сосудов в мозге и требует особого внимания для правильной диагностики. В данном исследовании не рассматривалось приложение разработанной модели для опухолей с шаблонами окклюзионного типа, поэтому применение методов глубокого обучения к указанным данным является интересным направлением для будущих исследований.