Высокая заболеваемость населения – проблема, с которой сталкиваются во многих регионах. Более того, некоторые заболевания, требующие ранней диагностики, могут быть обнаружены слишком поздно. В связи с таким затруднением государство рассматривает внедрение системы массового скрининга (т.е. установки большого количества рентгеновских аппаратов), чтобы как можно больший процент населения покрыть регулярными осмотрами. Однако тогда возникает другая проблема: нехватка врачей при наличии достаточного количества медицинской аппаратуры.
Система детекции аномалии в маммограммах – разработка компании «ПАВЛИН Технологии», представленная на конкурсе «Лучшая медицинская информационная система 2013».
Разумеется, что автоматическая система не сможет заменить врача, но сможет показать, что у пациента есть проблема и ему действительно нужно обратиться к врачу. Таким образом, диагностика позволит снизить стоимость лечения и повысить процент выздоровления пациентов.
Нашей компанией была разработана обучающая выборка, результатом которой стал искусственный интеллект, умеющий оценивать маммограмму и, в случае наличия потенциальной проблемы, предупреждающий человека о необходимости визита к врачу. Гибридная нейросетевая модель методом технического зрения определяет первичные признаки и подает их в нейронную сеть, которая, в свою очередь, классифицирует маммограмму.
Слева – рентгеновский снимок, содержащий новообразование.
Справа — рентгеновский снимок без новообразований
Для тестирования качества алгоритма обнаружения объектов использовалось 20 изображений с новообразованиями и 69 изображений без образований. Позитивные и негативные примеры для обучения, в свою очередь, извлекаются из изображений, которые хранятся в базе обучающих примеров. Эти примеры разделяются на обучающую и тестовую выборку в соотношении 50% на 50%.
В процессе обнаружения объектов:
- Загружается файл нейросетевого классификатора, который был сформирован на этапе обучения.
- Производится извлечение областей кандидатов и признаков для классификации
- Используя нейросетевой классификатор, проводится классификация объекта
- Проводится визуализация обнаруженных объектов
Стоит обратить внимание и на человеческий фактор: пропущенные врачом маммограммы с новообразованиями подвергают риску летального исхода у пациентов, так как пропуск раковой опухоли на ранней стадии (до следующего обследования) крайне опасен.
Левое изображение — наш алгоритм, правое изображение — экспертная разметка человека
В ходе работы была достигнута точность более 90%. Исходя из этого, можно сделать вывод о хорошем качестве разработанного алгоритма обнаружения новообразований на маммограмах. Результаты соответствуют уровню распознавания новообразований экспертом.
К нам поступали предложения о сотрудничестве от коммерческих компаний и ведущих ВУЗов областей.
На данный момент компания «ПАВЛИН Технологии» ищет партнеров среди медицинских учреждений и производителей медицинского оборудования, которые заинтересованы в применении данной технологии и обладают большим набором классифицированных архивных рентгеновских снимков, для совместной разработки классификаторов соответствующих заболеваний.