Нейросеть спешить на помощь

Исследователи Сколтеха и их коллеги из Национального медико-хирургического центра им. Н.И. Пирогова и Национального медицинского исследовательского центра акушерства, гинекологии и перинатологии имени академика В.И. Кулакова использовали сверточную нейронную сеть для автоматизации обнаружения на МРТ-изображениях фокальных кортикальных дисплазий (ФКД) – частой причины эпилепсии – сообщает сайт «Научная Россия»¹. С помощью полученных результатов можно будет быстрее и точнее диагностировать это заболевание.

Напомним, что фокальная кортикальная дисплазия – врожденный порок развития коры головного мозга, связанный с тем, что в отдельной области коры нейроны не образуют упорядоченную структуру. ФКД – одно из наиболее распространенных поражений головного мозга, являющееся причиной развития эпилепсии. Для диагностики ФКД врачи, как правило, используют МРТ-изображения головного мозга.

Группа исследователей под руководством профессора Сколтеха Александра Бернштейна, доцента Евгения Бурнаева, а также старшего научного сотрудника Максима Шараева решила усовершенствовать существующий метод автоматизации обнаружения ФКД, основанный на глубоком обучении. С помощью размеченных МРТ-снимков головного мозга здоровых людей и пациентов с диагнозом «фокальная кортикальная дисплазия», ученые обучили и использовали сверточную нейронную сеть для обнаружения ФКД. Вычисления проводились с использованием установленного в Сколтехе суперкомпьютера «Жорес».

«Выявление первопричины эпилепсии – крайне сложная задача, требующая специальных навыков. К сожалению, у нас существует острая нехватка специалистов-рентгенологов с большим опытом практической работы и специальными навыками, необходимыми для диагностики таких аномалий, а неточность в локализации очагов эпилепсии может привести к ошибкам при проведении хирургических операций», – рассказывает Максим Шараев.

«Известно всего несколько примеров, когда глубокие сверточные нейронные сети использовали для решения данной задачи; при этом наиболее серьезными проблемами, с которыми пришлось столкнуться ученым, оказались нехватка и низкое качество аннотированных данных. «Для решения этих проблем мы разработали нашу собственную систему маркировки изображений, с помощью которой врач-рентгенолог может самостоятельно аннотировать МРТ-изображения. Еще одна проблема – трехмерный характер МРТ-изображений, поэтому мы предложили несколько решений для работы с трехмерными данными и их двухмерными проекциями», – поясняет Евгений Бурнаев.

Как отмечают авторы, при наиболее эффективной конфигурации модели очаги ФКД были успешно обнаружены у 11 из 15 пациентов. «Уже можно говорить о том, что наши методы выдержали первое испытание, хотя нам еще предстоит немало сделать для повышения качества, надежности и других характеристик модели. Только после решения этих задач можно будет говорить о возможности реализации нашей нейронной сети в клинических условиях», – комментирует Максим Шараев.

В настоящее время ученые совместно с их коллегами из медицинских организаций работают над получением дополнительных наборов данных для обучения и проверки модели, а также исследуют различные варианты архитектуры машинного обучения и глубокого обучения. «Например, сейчас некоторые из наших аспирантов заняты разработкой новых технологий глубоких нейросетей для обработки данных, представленных в виде полигональных сетей, и обработки облаков точек для извлечения информации об аномалиях из трехмерных данных МРТ», – отмечает Евгений Бурнаев.

Ученые также ведут работу в рамках стартапа по созданию веб-платформы для анализа МРТ-изображений, которая уже находится на этапе тестирования на предмет использования в качестве вспомогательного средства диагностики аномалий на основе получаемых МРТ-изображений головного мозга. «Параллельно мы разрабатываем более сложные подходы, аналогичные представленному в статье, которые могли бы помочь в создании гораздо более точной автоматической системы анализа МРТ-изображений и обнаружения патологий развития головного мозга», – добавляет Бурнаев.

Внедрение этой системы в практику, несомненно, повысит эффективность диагностики аномалий головного мозга.