Алгоритм челябинского ученого распознает опухоли мозга с вероятностью 99%

Модель нейросети для распознавания опухолей мозга по изображениям магнитно-резонансной томографии (МРТ) создали в Южно-Уральском государственном университете. Автором разработки стал старший научный сотрудник лаборатории больших данных и машинного обучения ЮУрГУ, профессор Сэчин Кумар.

«Обучение нейросети проходило на общедоступном наборе из 3064 изображений МРТ от 230 пациентов, – рассказал Сэчин Кумар. – Распознавались три вида опухолей: глиомы, менингиомы и опухоли гипофиза. Наша модель сочетает в себе элементы свёрточной и конволюционной нейронных сетей (U-net и CNN) для сегментации и классификации опухолей, что увеличило ее эффективность до точности более чем 99 %».На наборе данных пациентов с уже подтверждённым диагнозом в 99,39 % была диагностирована болезнь, и лишь 0,61 % системой был ошибочно поставлен диагноз «здоровы». 

Нейросеть прошла 150 циклов обучения. Алгоритмы реализовали на языке программирования Python.

«При обучении нейросети каждое изображение изначально сегментировалось на 9 частей, – объяснил профессор. – Выстраивалось дерево опорных точек (VPT), просчитывались показатели ближайших соседей-пикселей, создавались метки, которые потом использовались для вычисления вероятностей». 

Затем использовалась «свёрточная» сеть. Свёрточная нейронная сеть (U-net) – особая архитектура для задач семантической сегментации, таких, как например, сегментация опухолей мозга. Она состоит из двух главных частей – кодера и декодера. Кодер собирает и редуцирует пространственную информацию в изображении с помощью сверточных слоев и операций объединения, в то время как декодер преобразует её для создания карты сегментации.

Нейросеть перед внедрением в больничную практику предстоит дополнительно обучить на данных МРТ конкретной страны или региона. Работа поддержана грантом Российского научного фонда.