Врачи смогут распознавать опухоли головы ещё быстрее

Ученые Новосибирского государственного университета создали программный модуль для дифференциальной диагностики новообразований головного мозга на изображениях, полученных методом магнитно-резонансной томографии. В основу разработки заложены двух- и трехмерные модели компьютерного зрения с предварительной обработкой данных МРТ-последовательностей. Данные модели позволяют с высокой точностью обнаруживать и распознавать опухоли, а также выделять их компоненты и размеры, сообщили VladMedicina.ru в НГУ .

В медицине магнитно-резонансная томография является золотым стандартом исследований головного мозга. Благодаря ей нейрохирурги и неврологи получают ценные данные для диагностики и лечения онкологических заболеваний. Изобретение новосибирских учёных значительно облегчает работу специалистов, позволяя им справляться с данной задачей с большей точностью, затрачивая значительно меньше времени.

Как рассказали в вузе, программный модуль был обучен на разработанном наборе данных, в котором содержится информация о более тысячи пациентов нейрохирургического профиля с диагнозами, подтвержденными гистологическими и иммуногистохимическими методами в постоперационном периоде. Информационная база снабжена экспертной разметкой, которую выполнили радиологи из Федерального центра нейрохирургии (г. Новосибирск) и Научно-исследовательского института клинической и экспериментальной лимфологии - филиала ФИЦ Институт цитологии и генетики СО РАН.

Созданный продукт позволяет в полуавтоматическом режиме проводить сегментацию патологических очагов на магниторезонансных рентгенограммах — в цифровом формате определять четкие границы опухолей, отделяя их от здоровых тканей. Также возможно построить и вывести на монитор 3D-модель изображения, чтобы нейрохирурги, готовясь к оперативному вмешательству, сориентировались, в каком месте делать доступ к пораженным тканям и какой их объем необходимо убрать. 

Двух- и трехмерные модели компьютерного зрения с предварительной обработкой данных МРТ-последовательности, которые лежат в основе этой разработк, позволяют с высокой точностью распознавать несколько типов новообразований. 

Программный модуль прошел апробацию и проверку на международном конкурсе BraTS Challenge. Точность работы алгоритма проводилась на тестовом наборе данных по метрике Дайс. По классификации очагов (дифференциальной диагностики) результаты продемонстрировали высокие показатели точности — до 92 %.