Ученые СПбГЭТУ «ЛЭТИ» совместно с коллегами из Университета Джадавпур (Индия) разработали инновационный метод сегментации МРТ-изображений головного мозга, который ускоряет диагностику глиобластомы. Новый алгоритм, основанный на ансамблевом подходе сверточных нейросетей, значительно снижает время анализа снимков и повышает точность определения границ опухоли.
Глиобластома – одно из самых агрессивных злокачественных новообразований центральной нервной системы, которое трудно обнаружить на ранних стадиях. Стандартные методы диагностики требуют значительных временных затрат, а ручная сегментация опухоли занимает около часа на одно изображение. Чтобы автоматизировать процесс, исследователи использовали машинное обучение и глубокие нейронные сети.
Разработанный алгоритм сегментирует три типа патологических тканей: ядро опухоли, некроз и отек. Основная идея метода заключается в объединении предсказаний трех архитектур сверточных нейросетей (SegResNet, UNETR и SwinUNETR) с помощью нечеткой ранговой унификации. Этот механизм корректирует результаты и учитывает степень уверенности каждой модели в своем прогнозе, что позволило достичь точности 85,5% по метрике Dice.
"Совместно с коллегами из Индии мы разработали алгоритм, позволяющий сегментировать три вида патологических тканей опухоли, улучшая точность анализа МРТ-изображений."
- Дария Андреевна Валенкова, инженер СПбГЭТУ «ЛЭТИ»
Алгоритм работает в несколько этапов. Сначала проводится предобработка данных для унификации изображений, затем снимки анализируются тремя нейросетями, каждая из которых делает свои предсказания. Для финальной сегментации используется механизм рангового голосования, который выбирает наилучший вариант, учитывая надежность каждого прогноза.
Этот метод позволяет врачу просто загрузить МРТ-снимок в систему и получить трехмерную сегментацию опухоли, что существенно ускоряет диагностику и облегчает принятие решений. В дальнейшем ученые планируют усовершенствовать алгоритм, улучшив качество предсказаний с помощью дополнительных методов предварительной обработки изображений.
Разработка открывает перспективы для автоматизации анализа медицинских данных и прогнозирования эффективности лечения, что сделает диагностику опухолей головного мозга быстрее и точнее.
Источник : СПбГЭТУ "ЛЭТИ" им. В.И. Ульянова (Ленина)
