Ученые НовГУ обучили нейросеть EfficientNet диагностировать когнитивные нарушения по снимкам головного мозга

Ученые Новгородского государственного университета обучили нейросеть EfficientNet диагностировать когнитивные нарушения по снимкам головного мозга. На тестовой выборке прототип различает здоровых пациентов и людей с деменцией с точностью до 79%, сообщил автор исследования Егор Фекличев.

"На ранних стадиях симптомы часто воспринимаются как обычные возрастные изменения, и из-за этого пациенты и их семьи слишком поздно обращаются за медицинской помощью. Именно поэтому важны методы выявления когнитивных нарушений, в том числе с применением искусственного интеллекта и анализа медицинских изображений. Такой помощник увеличил бы частоту выявления деменции и точность постановки диагноза", - рассказал Фекличев.

По его словам, диагностировать деменцию на ранней стадии на данный момент сложно даже с помощью современного оборудования. Для решения этой проблемы в Новгородском университете обучают нейросеть EfficientNet для диагностики снимков головного мозга.

Актуальность разработки

По данным Всемирной организации здравоохранения, в 2021 году количество людей, страдающих деменцией, достигло 57 млн, а каждый год появляется около 10 млн новых случаев. В России число таких пациентов достигает 2 млн, и ожидается подъем на 3 или 4 млн к 2050 году. Для создания прототипа проводилось сравнительное тестирование трех нейросетей, способных распознавать изображения: EfficientNet, VGG и ResNet. В качестве начального датасета использовались материалы проекта OASIS, содержащие данные томографии мозга как здоровых, так и больных людей с разными степенями тяжести.

Проект OASIS имеет несколько наборов данных, содержащих различное наполнение в плане клинических исследований. Для обучения нейросети использовались наборы OASIS-1 и OASIS-2. Первый содержит данные МРТ 416 человек в возрасте от 18 до 96 лет и включает как здоровых людей, так и пациентов с болезнью Альцгеймера на стадиях от очень легкой до умеренной. Второй включает повторяющиеся во времени МРТ-сканирования 150 пожилых людей от 60 до 96 лет, набор также содержал результаты тестирований на тяжесть деменции MMSE и CDR.

"Степень когнитивного снижения определялась не по одному отдельному признаку на снимке, а по совокупности структурных изменений мозга. Нейросеть анализировала трехмерный МРТ-объем и училась находить закономерности, связанные с атрофией мозговой ткани, изменениями в височных областях и гиппокампе, расширением желудочковой системы и другими признаками, которые могут сопровождать болезнь Альцгеймера. MMSE и CDR при этом использовались как клиническая разметка: модель сопоставляла найденные на МРТ особенности с уже известной оценкой когнитивного состояния пациента", - отметил разработчик.

После анализа снимков программа относила пациентов к одному из классов когнитивного состояния. В основе разметки использовалась шкала CDR: значение 0 соответствует отсутствию признаков деменции, промежуточные значения указывают на сомнительное или легкое когнитивное снижение, а более высокие значения соответствуют выраженной стадии заболевания. Таким образом, искусственный интеллект не просто "запоминает" снимки, а учится находить в них закономерности, связанные с клинической оценкой состояния пациента.

В результате сравнения трех моделей наибольшую эффективность в правильности анализа показала модель EfficientNet - 79% правильных ответов. Остальные две - VGG и ResNet - демонстрировали от 50% до 60% эффективности. 

Телеграм: t.me/ainewsline

Источник: tass.ru

Комментарии: