fbpx
  • Новая технология на основе сверточных нейронных сетей для ранней диагностики меланомы

    Группа исследователей (MIT и другие организации) разработала систему искусственного интеллекта для обнаружения рака кожи у людей. Технология позволит выявлять подозрительные пигментные пятна (suspicious pigment lesions – SPLs) еще на ранней стадии заболевания. Применение искусственного интеллекта позволит быстрее и эффективнее проводить скрининг.

    Актуальность

    Визуальный осмотр кожи пациента является ранней диагностикой меланомы. Благодаря этому возможно снизить риск прогрессирования болезни и стоимость лечения. Большой объем пигментных поражений на коже не позволяет оперативно определить приоритетность того или иного пятна для дальнейшего анализа.

    Подробнее о технологии

    Технология использует снимки больших участков тела пациентов. Всего было собрано 20388 широкоугольных изображений 133 пациентов, а также использовали общедоступные изображения. Снимки делали с помощью множества обычных фотоаппаратов и смартфонов. Работа проводилась в сотрудничестве с профессиональными дерматологами, которые визуально классифицировали поражения на картинках для сравнения.

    Пользователь получает широкоугольное изображение пациента и загружает его в алгоритм. Далее картинка проходит через метод Blob detection на основе Laplacian of Gaussians (LoG) и масштабно-инвариантной трансформации признаков для обнаружения всех blob-подобных областей (формально это все, что считается большим объектом или чем-то ярким на темном фоне) для ускорения анализа. Обнаруженные области обрезаются и сохраняются во внутренний репозиторий. Сохраненные изображения загружаются в классификатор глубокого обучения, разработанного с использованием архитектуры предобученной сверточной нейронной сети ImageNet. База данных состоит из 6 классов: фон, края кожи, участки чистой кожи, не подозрительные пигментные поражения низкого приоритета (NSPL-A), NSPL-B среднего приоритета и SPLs. Разработчики обнаружили, что система достигла более чем 90%-ной чувствительности в детектировании SPLs. Более того, данная технология способна определять выраженность очагов поражения, которые называются среди врачей ugly duckling. Результаты представляются в виде выходного изображения с подозрительными интересующими областями и тепловой картой пятен.

    Предварительно обученная глубокая сверточная нейронная сеть (DCNN) определяет подозрительность отдельных пигментных поражений и помечает их (желтый = рассмотреть вопрос о дальнейшем осмотре, красный = требуется дополнительный осмотр или направление к дерматологу). Извлеченные признаки используются для дальнейшей оценки пигментных поражений и отображения результатов в формате тепловой карты.

    Разработанная технология позволяет проводить эффективный скрининг кожных поражений для диагностики меланомы. Система была оптимизирована для работы с картинками со сложным фоном, неравномерно освещенной кожей и на больших участках тела. В будущем такие системы возможно использовать во время первичной медико-санитарной помощи или даже самим пациентам. Исходный код представлен в открытом доступе на GitHub.

    Подписаться
    Уведомить о
    guest
    0 Comments
    Межтекстовые Отзывы
    Посмотреть все комментарии