Программа учится помогать врачам.

Программа учится помогать врачам.

Врачи уже давно используют визуальную оценку медицинских изображений, чтобы определить курс лечения рака. Новый программный пакет от исследователей из института Фраунгофера показывает изменения в изображениях и облегчает эту задачу с помощью глубокого обучения. Эксперты продемонстрируют это программное обеспечение в Чикаго с 27 ноября по 2 декабря на конгрессе радиологического общества Северной Америки (RSNA), крупнейшей в мире встрече радиологов.

Опухоль уменьшилась после курса лечения длительностью в несколько месяцев, или развились новые опухоли? — Чтобы ответить на подобные вопросы, врачи часто выполняют компьютерную томографию (КТ) и магнитно-резонансную томографию (МРТ). Опухоли, как правило, оценивают только визуально, и новые опухоли могут остаться незамеченными. «Наш программный пакет повышает уверенность во время и после измерения опухоли», — объясняет Марк Шенк из института медицинских визуальных вычислений MEVIS общества Фраунгофера в Бремене. (MeVis предоставляет ПО для постановки диагноза на основе полученных изображений и проведения соответствующего лечения — прим.) «Программное обеспечение может, например, определить, как объем опухоли изменяется с течением времени, и обеспечивает обнаружение новых опухолей». Пакет состоит из модульных компонентов обработки и может помочь производителям медицинской техники автоматизировать мониторинг прогресса.

Компьютер самообучается.

Программный пакет является уникальным в своем использовании глубокого обучения — нового типа машинного обучения, который выходит далеко за рамки существующих подходов. Этот метод полезен для сегментации изображений, в ходе которого эксперты обозначают точные контуры органа. Существующие компьютерные программы сегментации находят четко определенные черты изображения, такие как определенные значения серого. По словам исследователя Маркуса Гарца, это часто может привести к ошибкам: "Программное обеспечение приписывает области к печени, которые не принадлежат органу". Эти ошибки должны быть исправлены врачами, что часто может занимать довольно много времени.

Новые глубокие подходы обучения обещают улучшение результатов и должны сэкономить врачам драгоценное время. Для того чтобы продемонстрировать методы самообучения, учёные из института Фраунгофера натренировали программу с помощью изображений КТ печени 149 пациентов. Результаты показали, что чем больше данных проанализировала программа, тем лучше она может автоматически определить контуры печени.

В поисках скрытых метастаз.

Еще одним применением этого подхода является регистрация изображения, в котором программа выстраивает в линию снимки с разных посещений пациентов, чтобы врачи могли легко сравнить их. Самообучение программы может помочь в особенно трудной задаче обнаружения костных метастазов в туловище, в котором видны кости бедра, ребра и позвоночник. В настоящее время эти метастазы часто остаются незамеченными из-за нехватки времени в клинической практике. Глубокие методы обучения могут помочь достоверно обнаруживать метастазы и тем самым улучшить результаты лечения.

Исследователи сосредотачиваются на сочетании классических подходов и программного самообучения: «Мы хотели бы использовать имеющийся опыт, чтобы глубокое обучение выполнялось по возможности эффективно и надежно», — подчеркивает Гарц. MEVIS опирается на многолетний опыт работы в практическом применении: например, алгоритмы для высокоточной регистрации изображений легких были интегрированы в несколько коммерческих медицинских приложений программного обеспечения.

Источник: www.fraunhofer.de

Комментарии: