Ученые подведомственного Минобрнауки России Пензенского государственного университета (ПГУ) разработали интерактивный учебный тренажер для распознавания дефектов на рентгеновских изображениях. Разработка предназначена для помощи студентам и ординаторам медицинских вузов в безошибочном распознавании патологий на снимках грудной клетки. На изобретение получены свидетельства о регистрации программ для ЭВМ.
Качество рентгеновских снимков играет ключевую роль в точной диагностике широкого спектра заболеваний — туберкулеза, пневмонии, онкологических патологий и травматических повреждений. Четкость и контрастность визуализации анатомических структур напрямую определяют, насколько своевременно будут выявлены патологические изменения и начато лечение. Однако на практике качество снимков далеко не всегда оказывается идеальным. На него влияют состояние оборудования, параметры экспозиции, доза облучения, уровень квантового шума, укладка пациента, его неподвижность, наличие посторонних объектов в кадре, а также особенности постобработки изображений.
Нужны грамотные специалисты — рентгенолаборанты и врачи-рентгенологи, способные оценивать качество снимков и понимать, какие дефекты могут искажать клиническую картину. А для этого у них должна быть насмотренность, — рассказал один из разработчиков, профессор кафедры «Медицинская кибернетика и информатика» ПГУ доктор технических наук Леонид Кривоногов.
Тренажер позволяет будущим медикам не только изучать типичные дефекты, но и осваивать объективные количественные критерии оценки качества изображений, наглядно связывая визуальные проявления искажений с их физическими причинами.
Система построена как модульная архитектура и состоит из трех взаимосвязанных компонентов: базы данных, подсистемы расчета метрик и подсистемы обучения и тестирования. В базе данных осуществляется централизованное хранение рентгеновских изображений, рассчитанных метрик качества и сопутствующей информации. Она спроектирована с учетом требований нормализации. Это обеспечивает высокую скорость выборки данных и удобство формирования статистических отчетов.
Подсистема расчета метрик отвечает за объективную оценку качества снимков: загружает изображения, вычисляет набор количественных показателей, строит графики, сравнивает снимки с эталонами и формирует отчеты. Для пользователей предусмотрена встроенная справочная система.
Подсистема оценивает отношение полезного сигнала к уровню шума, анализирует градиенты изображения, разность между максимальной и минимальной яркостью и многие другие. Все метрики вычисляются непосредственно по пиксельным данным с применением строгих математических формул. Это гарантирует воспроизводимость и объективность результатов, — пояснил Леонид Кривоногов.
Подсистема обучения и тестирования генерирует учебные задания, предоставляя обучающимся искаженные версии эталонных снимков. Процесс тренировки и проверки навыков реализован через веб-интерфейс. Система выполнена в виде веб-приложения. Для работы достаточно браузера и доступа к сети Интернет, что делает тренажер доступным с разных устройств в любое время без установки дополнительного программного обеспечения.
Принцип работы следующий. Врач-рентгенолог загружает снимки в базу данных, после чего подсистема расчета метрик автоматически вычисляет полный набор показателей для каждого изображения и сохраняет их, привязывая к конкретному файлу. Эксперт отбирает снимки с наилучшими показателями и помечает их. Эти изображения становятся эталонами для сравнения. Подсистема обучения и тестирования создает искаженные версии эталонов, имитируя реальные дефекты: низкий контраст, шум, размытие, артефакты. Для искаженных копий также рассчитываются метрики. Обучающиеся получают задания через веб-интерфейс, где могут одновременно видеть эталонный и искаженный снимки, а система дает мгновенную обратную связь, помогая связать визуальные особенности с численными показателями. Все ответы сохраняются в базе данных, преподаватели могут выгружать подробные отчеты.
Студенты видят итоговые баллы, детали по каждому заданию, включая правильные и ошибочные ответы. Это позволяет выявлять типичные ошибки и корректировать программу обучения.
На базе Медицинского института ПГУ ученые с помощью разработанного тренажера оценили 200 тестовых случаев. На основе пяти эталонных изображений — грудная клетка, конечности, брюшная полость — было сгенерировано по десять искаженных копий для каждого из четырех типов дефектов. По словам разработчиков, система корректно классифицировала тип дефекта в 100% случаев благодаря точно подобранным пороговым значениям метрик.
Исследователи уверены, что с помощью тренажера у обучающихся будут формироваться навыки визуального распознавания дефектов и понимание причин их возникновения. Режим тестирования, где рядом показаны эталон и искаженное изображение, имитирует реальную клиническую ситуацию. В практике врач часто сравнивает текущий снимок с предыдущими исследованиями или с примерами нормы. «Студенты и ординаторы смогут наглядно увидеть, как неправильный выбор параметров экспозиции, движение пациента или влияние искажений постобработки проявляются на снимке», — подчеркнул Леонид Кривоногов.
Существенным преимуществом также станут отключение подсказок и автоматический подсчет баллов, что позволит преподавателю объективно оценить уровень подготовки и выявить темы, вызывающие наибольшие трудности. Обучаться с помощью интерактивного учебного тренажера для распознавания дефектов на рентгеновских изображениях начали студенты Медицинского института ПГУ.
Источник: Минобрнауки России
