Сочетание тепловизионной съемки лица и искусственного интеллекта показывает многообещающие результаты в выявлении ишемической болезни сердца
Статья
Каждый год миллионы женщин проходят маммографию для выявления рака груди, однако крошечные кальциевые пятнышки, известные как микрокальцификаты, часто не обнаруживаются или неправильно считываются, что приводит к задержке диагностики или ненужным биопсиям. Обычные компьютерные инструменты полагаются на правила, созданные вручную, и борются с огромным разнообразием устройств визуализации и схем поражений.
В недавнем исследовании под руководством доктора Ке-Да Ю из Шанхайского онкологического центра университета Фудань был разработан новый подход глубокого обучения, который автоматически находит и классифицирует микрокальцификаты на разных машинах и у разных групп пациентов, что обеспечивает точность и последовательность скрининга рака груди.
« Микрокальцификаты могут быть всего в несколько пикселей шириной. Поэтому обнаружить их среди нормальной ткани — все равно что найти иголку в стоге сена », — объясняет доктор Ю. « Мы хотели создать систему, которая адаптируется к любой маммограмме и никогда не упускает из виду ранние предупреждающие признаки».
Инновация команды основана на двух ключевых достижениях:
Адаптивное многомасштабное обнаружение: благодаря интеграции более быстрой модели сверточной нейронной сети на основе регионов (R-CNN) с сетью пирамид признаков (FPN) конвейер объединяет признаки с различным разрешением, что позволяет локализовать как грубые кластеры, так и отдельные пятна без каких-либо вручную настраиваемых пороговых значений.
Надежное многоцентровое обучение: система, обученная на 4810 подтвержденных биопсией маммограммах (6663 новообразования, равномерно распределенных между доброкачественными и злокачественными) из трех больниц, автоматически стандартизирует каждое изображение, поэтому она без проблем работает на разных сканерах и в разных клинических условиях.
В ходе слепого тестирования конвейер обрабатывал каждую маммограмму, достигая общей точности около 75% на уровне микрокальцификационных поражений с чувствительностью 76% для злокачественных поражений и точностью около 72% на уровне груди.
«Это решение можно развернуть непосредственно на стандартных рабочих станциях рентгенологов», — добавляет доктор Ю. «Предварительно отмечая подозрительные области на каждой маммограмме, оно позволяет рентгенологам быстро сосредоточиться на проблемных областях, значительно сокращая как пропущенные диагнозы, так и ненужные биопсии, тем самым уменьшая дискомфорт пациентов и снижая расходы на здравоохранение».
Исследовательская группа открыла исходный код, и их следующие шаги будут сосредоточены на интеграции системы в клинические рабочие процессы с целью предложить надежный инструмент на основе ИИ для более широкого распространения скрининга рака груди.
Источник: Китайская академия наук
