USD
396.76
EUR
411.8
RUB
4.0996
GEL
141.91
пятница, 7 февраля 2025 г.
погода в
Ереване
+6

ИИ поможет выявить опухоли мозга

20.11.2024, 09:26
Радиологи вскоре смогут использовать ИИ для обнаружения опухолей мозга
ИИ поможет выявить опухоли мозга

ЕРЕВАН, 19 ноября. /АРКА/. Радиологи вскоре смогут использовать ИИ для обнаружения опухолей мозга. 

Статья под названием «Глубокое обучение и трансферное обучение для обнаружения и классификации опухолей мозга», опубликованная в журнале Biology Methods and Protocols, показывает, что ученые могут обучать модели искусственного интеллекта (ИИ) отличать опухоли мозга от здоровой ткани. Модели ИИ уже могут находить опухоли мозга на снимках МРТ почти так же хорошо, как и рентгенолог-человек, пишет Medical Хpress. 

Исследователи добились устойчивого прогресса в использовании ИИ в медицине. ИИ особенно перспективен в радиологии, где ожидание обработки медицинских изображений техниками может задержать лечение пациентов. Сверхточные нейронные сети — это мощные инструменты, которые позволяют исследователям обучать модели ИИ на больших наборах данных изображений для распознавания и классификации изображений.

Хотя обнаружение замаскированных животных и классификация опухолей мозга включают в себя очень разные виды изображений, исследователи, участвовавшие в этом исследовании, считали, что существует параллель между животным, скрывающимся с помощью естественной маскировки, и группой раковых клеток, сливающихся с окружающей здоровой тканью.

В этом ретроспективном исследовании общедоступных данных МРТ ученые изучили, как модели нейронных сетей можно обучать на данных визуализации рака мозга, одновременно внедряя уникальный этап обучения с переносом данных по обнаружению животных-маскировок для улучшения навыков сетей по обнаружению опухолей.

Используя МРТ из общедоступных онлайн-хранилищ раковых и здоровых контрольных мозгов (из таких источников, как Kaggle, Архив изображений рака Национального института рака NIH и Система здравоохранения VA Boston), исследователи обучили сети различать здоровые и раковые МРТ, область, пораженную раком, и прототип внешнего вида рака (на какой тип рака он похож).

Исследователи обнаружили, что сети были почти идеальными в обнаружении нормальных изображений мозга, имея всего один-два ложноотрицательных результата, и различали раковый и здоровый мозг. Первая сеть имела среднюю точность 85,99% при обнаружении рака мозга, другая имела точность 83,85%.

Ключевой особенностью сети является множество способов, которыми можно объяснить ее решения, что позволяет повысить доверие к моделям как со стороны медицинских работников, так и пациентов. Глубокие модели часто непрозрачны, и по мере развития области становится важной возможность объяснить, как сети принимают свои решения.

После этого исследования сеть может генерировать изображения, которые показывают определенные области в ее классификации «опухоли — положительные или отрицательные». Это позволит рентгенологам перекрестно проверять свои собственные решения с решениями сети и добавлять уверенности, почти как второй робот-рентгенолог, который может показать контрольную область МРТ, указывающую на опухоль.

В будущем, по мнению исследователей, будет важно сосредоточиться на создании глубоких сетевых моделей, решения которых можно будет описать интуитивно, чтобы искусственный интеллект мог играть прозрачную вспомогательную роль в клинических условиях.

Хотя сети испытывали больше трудностей с различением типов рака мозга во всех случаях, все еще было ясно, что у них есть четкое внутреннее представление в сети. Точность и ясность улучшились, поскольку исследователи обучили сети обнаружению камуфляжа. Передача обучения привела к повышению точности сетей.

Хотя наиболее эффективная предложенная модель была примерно на 6% менее точной, чем стандартное обнаружение человеком, исследование успешно демонстрирует количественное улучшение, вызванное этой парадигмой обучения. Исследователи полагают, что эта парадигма в сочетании с комплексным применением методов объяснимости способствует необходимой прозрачности в будущих клинических исследованиях ИИ.–0--