ИИ от казанских ученых выявляет до половины невидимых случаев онкологии

В пресс-службе федеральной программы «Приоритет 2030» рассказали о новой разработке ученых Казанского (Приволжского) федерального университета (КФУ). Речь идет об уникальном в мировом масштабе алгоритме для обработки и анализа медицинских изображений, который позволяет восстанавливать потерянные на снимке участки. Наряду с этим для повышения эффективности анализа маммограмм казанские специалисты разработали систему компьютерной диагностики, обеспечивающую возможность обнаружения плохо видимых изменений. При исследовании свыше 600 случаев было показано, что данная система дает возможность выявить 90% случаев рака молочной железы, в том числе 48% невидимых и 87% плохо видимых случаев, а происходит это 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 маммограмм врачом-рентгенологом и приводит к их несвоевременной диагностике», – пояснили актуальность нового ИИ-решения в пресс-службе «Приоритета 2030».

Дмитрий Тумаков, являющийся одним из авторов разработки, в свою очередь добавил, что созданный в КФУ алгоритм представляет собой синтез работы нейросети и математических подходов, в том числе и преобразования Фурье.

«Нейросеть проводит анализ маммограммы, находит изъяны. Таким образом, медику «подсказывают» о возможности онкологического заболевания, опухолях. Так мы делаем проверку, не потеряли ли мы значимое что-то, улучшив качество снимков при помощи разработанного алгоритма. Нам удалось сохранить текстуры изображений, что важно для медиков», – отметил ученый.

Алгоритм включает три этапа. На первом выявляются дефекты. Второй предполагает улучшение и выравнивание контрастов различных частей изображения вне дефекта, а третий – восстановление области дефекта с помощью комбинации интерполяции и нейросети. Полученная как результат применения алгоритма маммограмма показывает значительно лучшее качество 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», – заключили в «Приоритете 2030».

В планах ученых КФУ – объединить алгоритмы устранения дефектов и «предсказывающую» нейросеть для улучшения качества классификации маммографических изображений в будущих исследованиях.

Ранее iot.ru писал о студенте Казанского федерального университета, которому выделят 1 млн ₽ на разработку цифрового двойника места происшествия.

Чтобы оперативно получать наши новости в удобном формате, подписывайтесь на наш Telegram-канал.

Источник изображения: «Приоритет 2030»