Вчені визначили оптимальну область мозку для лікування есенціального тремору
Стаття
Щороку мільйони жінок проходять мамографію для скринінгу раку молочної залози, однак крихітні кальцієві плямки, відомі як мікрокальцифікати, часто не виявляються або неправильно зчитуються, що призводить до затримки діагностики або непотрібної біопсії. Звичайні комп'ютерні інструменти спираються на створені вручну правила і борються з величезною різноманітністю пристроїв візуалізації та схем ураження.
У недавньому дослідженні під керівництвом доктора Ке-Да Ю з онкологічного центру Шанхайського університету Фудань був розроблений новий підхід глибокого навчання, який автоматично знаходить і класифікує мікрокальцифікати на різних машинах і в різних популяціях пацієнтів, забезпечуючи точний і послідовний скринінг раку молочної залози.
«Мікрокальцифікати можуть бути лише кількома пікселями завширшки. Тому знайти їх серед нормальної тканини — це все одно, що знайти голку в копиці сіна», — пояснює доктор Ю. «Ми хотіли створити систему, яка адаптується до будь-якої мамографії і ніколи не ігнорує ранні попереджувальні ознаки».
Новаторство команди ґрунтується на двох ключових досягненнях:***
Адаптивне багатомасштабне виявлення: інтегруючи модель швидшої згорткової нейронної мережі на основі регіону (R-CNN) з мережею піраміди функцій (FPN), конвеєр поєднує функції з різною роздільною здатністю, дозволяючи локалізувати як грубі кластери, так і окремі плями без будь-яких порогових значень, налаштованих вручну.
Надійне багатоцентрове навчання: навчена на 4810 підтверджених біопсією мамографіях (6663 новоутворення, рівномірно розподілених між доброякісними та злоякісними) у трьох лікарнях, система автоматично стандартизує кожне зображення, тому воно бездоганно працює на різних сканерах і в різних клінічних умовах.
Під час сліпого тестування конвеєр обробляв кожну мамографію, досягаючи загальної точності близько 75% на рівні мікрокальцифікації ураження, з чутливістю 76% для злоякісних уражень і точністю близько 72% на рівні грудної клітки.
«Це рішення може бути розгорнуте безпосередньо на стандартних робочих місцях радіологів», — додає доктор Ю. «Попередньо позначаючи підозрілі ділянки на кожній мамографії, воно дозволяє радіологам швидко зосередитися на проблемних ділянках, значно зменшуючи як пропущені діагнози, так і непотрібні біопси, тим самим зменшуючи дискомфорт пацієнта та знижуючи витрати на охорону здоров'я».
Дослідницька група створила відкритий вихідний код, і їхні наступні кроки будуть зосереджені на інтеграції системи в клінічні робочі процеси з метою запропонувати надійний інструмент на основі штучного інтелекту для ширшого впровадження скринінгу раку молочної залози.
Джерело: Китайська академія наук
