Дальневосточный государственный медицинский университет Поиск | Личный кабинет | Авторизация
Поиск статьи по названию
Поиск книги по названию
Каталог рубрик
в коллекциюДобавить в коллекцию

ДИАГНОСТИКА МЕЛАНОМЫ КОЖИ С ПОМОЩЬЮ СВЕРТОЧНЫХ НЕЙРОННЫХ СЕТЕЙ ГЛУБОКОГО ОБУЧЕНИЯ


Аннотация:

Представлена система классификации кожных заболеваний по фотографии, разработанная с использованием алгоритмов, построенных на свер-точных нейронных сетях глубокого обучения. Метод позволяет проводить автоматизированную диагностику кожных новообразований с точностью не менее 91%. Ключевые слова: онкология, глубокие сверточные нейросети, диагностика меланомы, техническое зрение, телемедицина. Меланома — злокачественная опухоль преимущественно кожной локализации; это наиболее часто встречающееся смертельно опасное заболевание кожи, составляющее от 1 до 4% всех онкологических диагнозов.При этом на рак кожи всех видов приходится <10% онкологической заболеваемости .В 2007 г. в России из 475 тыс. случаев впервые установленного злокачественного новообразования >67 тыс. (13,6%) наблюдений касались опухолей кожи и мягких тканей; чаще это были локализованные формы. Согласно прогнозу , только в США в 2017 г. ожидался рост заболеваемости меланомой более чем на 87 тыс. случаев . Высокую смертность при заболевании меланомой можно объяснить несвоевременной диагностикой, поскольку на ранних ее стадиях, как правило, болезненные симптомы отсутствуют. В то же время хирургическое лечение дает хорошие прогностические результаты именно при ранней диагностике заболевания. При высокой агрессивности меланомы и ее биологической склонности к раннему метастазированию при отсроченном хирургическом лечении, как правило, получить желаемый результат не удается. Распространенная меланома с трудом поддается лечению существующими методами. Несмотря на то, что с развитием иммуноонкологии медиана выживаемости при метастатической форме меланомы превысила 12 мес, общая выживаемость остается сравнительно невысокой . В соответствии с данными Американской ассоциации рака (American Cancer Society) , существует прямая корреляция между моментом обнаружения меланомы и, соответственно, началом лечения и выживаемостью (см. таблицу). Несмотря на некоторую парадоксальность статистических данных, диагностика меланомы на I стадии, бесспорно, обеспечивает максимальную выживаемость. С учетом влияния на заболеваемость солнечной радиации и фототипа кожи можно заключить, что основным средством борьбы с заболеваемостью меланомой является первичная профилактика в виде защиты от избыточной инсоляции. В борьбе со смертностью от меланомы на первый план выходит вторичная профилактика или превентивная медицина, включающая своевременные осмотры, терапию, а также контроль распространения и рецидивов. АКТУАЛЬНОСТЬ. Рассмотрим современные подходы при превентивной медицине и их влияние на процесс возникновения и распространения меланомы вне первичного очага. По данным литературных источников, регулярные самостоятельные обследования пациентов наряду с врачебными осмотрами способствуют своевременному обнаружению заболеваний кожи, что снижает смертность на 63% . При использовании современных методов даже в случае самодиагностики степень обнаружения меланомы достаточно высока — 33% (для сравнения: при обращении к врачу в рамках общего обследования без применения специализированных технических средств - 36%). Полученные данные позволяют утверждать, что повышение информированности населения с более ответственным подходом к самообследованию при появлении атипичных кожных образований существенно сокращает сроки первичной диагностики и позволяет своевременно обратиться к врачу-дерматологу для получения медицинской помощи. Самостоятельный осмотр особенно актуален с учетом огромной территории Российской Федерации и недостаточного покрытия специальной врачебной помощью малодоступных регионов. Большинство населения России относится к 1—2 фототипу кожи по классификации Фитцпатрика . Особенность данного фототипа в том, что кожа генетически не приспособлена к повышенному уровню ультрафиолетового облучения (УФО) и наиболее склонна к возникновению меланомы. При этом многие, проводя, например, летний отпуск в регионах с повышенной инсоляцией, не заботятся о должной защите кожных покровов. У большинства населения нет достаточных знаний и навыков для самостоятельного обнаружения пигментных образований с высоким риском образования меланомы. Отсюда особую актуальность приобретает разработка специальных систем первичной диагностики, предусматривающих возможность определения степени риска новообразования по фотографии (при необходимости изображение отправляют специалисту). МЕТОД. Существуют различные методы визуальной диагностики злокачественных новообразований кожи в условиях клиники. Развитие цифровых технологий, использование методов компьютерной обработки изображений позволяет совершенствовать неинва-зивную диагностику и повышать информативность дерматоскопической картины. В настоящее время существуют компьютерные программы и различные экспертные системы интеллектуальной поддержки принятия решений, предназначенные для помощи дерматологам в решении диагностических задач, позволяющие при необходимости проводить также удаленное консультирование. Тем не менее применение цифровых дерматоскопов требует определенных условий и навыков для получения снимков надлежащего качества. В случае использования таких современных методов диагностики, как конфокальная микроскопия или спектрофотометрическое мультиспектральное интрадермальное сканирование , необходимо наличие квалифицированного медицинского персонала. Кроме того, в существующих условиях, несмотря на принятие закона «О внесении изменений в отдельные законодательные акты Российской Федерации по вопросам применения информационных технологий в сфере охраны здоровья», вступившего в силу с 01.01.18, остается много вопросов, связанных с дистанционным консультированием. Таким образом, остается актуальность проблемы разработки надежного метода первичной диагностики, позволяющего оценивать риск, давать рекомендации по уточнению диагноза, а также применимого в ежедневной клинической практике в амбулаторных условиях и доступного для проведения самодиагностики. С целью решения проблемы диагностики меланомы на ранней стадии в МФТИ разработана система на основе искусственного интеллекта, позволяющая автоматически определять с вероятностью не менее 90% наличие меланомы при получении фотоснимка с помощью мобильного устройства не в лабораторных условиях (при различных вариантах освещения, углах съемки, характеристики средств для фотосъемки). Предлагаемая система основана на обработке фотоснимков с помощью разработанных авторских алгоритмов на основе искусственных нейронных сверточных сетей, возможности которых по классификации изображений существенного превосходят возможности человека . Нейронная сеть обеспечивает автоматическое выделение из множества данных наиболее важных признаков и скрытых закономерностей, необходимых для решения поставленной задачи. Применительно к медицинской диагностике меланомы кожи нейросети позволяют значительно повысить специфичность визуальных неинвазивных методов без снижения их чувствительности. Для создания системы диагностики кожных заболеваний использован подход, известный как «перенос обучения», или transfer learning. Такой подход позволяет не проводить обучение нейронной сети с нуля, а использовать в качестве основы готовую предварительно обученную сеть. В основе разработанной системы лежит нейронная сеть с архитектурой Inception v.3 , демонстрирующая высокое качество классификации различных изображений в соревновании ILSVRC (Image Net Large Scale Visual Recognition Challenge) по распознаванию визуальных образов на ImageNet. Подготовка модели классификации изображений выполнена с помощью открытого архива данных ImageNet. Предварительно обученная сеть была перенастроена на классификацию кожных заболеваний. Сложностью в ходе перенастройки выбранной нейросети стало отсутствие достаточной публичной выборки изображений, которые можно использовать для обучения системы. Наиболее крупный открытый архив изображений кожных новообразований — International Skin Imaging Collaboration (ISIC) содержит достаточное количество данных, полученных при проведении реальных клинических исследований. Однако представленные в данном архиве изображения не имеют единой системы классификации, многие снимки содержат различные шумы и помехи, получены в условиях недостаточной освещенности. Все это создает определенные сложности для качественного обучения нейросети. Нами был создан алгоритм, позволяющий проводить обучение нейросети в условиях ограниченной выборки. Для переобучения нейросети и обеспечения возможности классификации пигментных образований использовалась выборка из 10 ООО фотографий кожных образований, количество которых с помощью аугментации данных (введения различных искажений с целью увеличения выборки) было расширено до 1 ООО ООО. Повышение качества распознавания и классификации достигалось с помощью обучения 5 сетей, имеющих идентичную архитектуру, но разные веса. В дальнейшем все обученные сети объединялись в общую систему, принятие решений в которой осуществляется мажоритарным голосованием. Доработанная нейросеть позволяет проводить исследования дерматоскопических изображений с разрешением >700x700 пикселей (в отличие от исходной, работоспособной только при разрешении 300^300 пикселей). Подтвержденная точность распознавания меланомы кожи при этом составляет >91% с AUC-ROC - 0,96 (ROC-кривая — график, позволяющий оценить качество бинарной классификации), что сопоставимо с результатами диагностики высококвалифицированных врачей. Кроме того, представленная модель позволяет различать злокачественные и доброкачественные образования. Например, точность определения себорейного кератозиса по дерматологической фотографии составляет 97%, AUC-ROC -0,99. Представленная система классификации кожных заболеваний по фотографии разработана с использованием алгоритмов, построенных на сверточных нейронных сетях глубокого обучения и позволяет проводить автоматизированную диагностику кожных новообразований с точностью >91%. В настоящее время система доступна в тестовом варианте по адресу: skincheckup. online. Дальнейшее развитие предложенной модели может осуществляться в направлении создания встроенных систем, WEB- и мобильных приложений. Авторы заинтересованы в сотрудничестве в области создания прикладных систем технического зрения.

Авторы:

Мелерзанов А.
Гаврилов Д.

Издание: Врач
Год издания: 2018
Объем: 3с.
Дополнительная информация: 2018.-N 6.-С.31-33. Библ. 13 назв.
Просмотров: 211

Рубрики
Ключевые слова
97
in
online
sk
автоматизированный
автоматический
авторский
агрессивность
акты
алгоритм
алгоритмы
амбулатория
американское
архивы
архитектура
ассоциации
атипичная
аугментация
бинарные
биологический
болезней
болезненный
болезни
болеющие
больные
большая
борьба
вариантные
введен
вероятности
веса
видовая
визуальный
включения
влияние
возможности
возникновения
вопрос
впервые
врачебной
врачи
время
встречный
вторичные
выборка
выделение
выживаемости
выполнение
высокий
выходного
генетическ
глубокая
глубокие
голос
готовность
график
группы
дальний
данные
данных
дерматологи
дерматологические
дерматоскопия
диагноз
диагностика
диагностическая
диагностические
диагностическое
дистанционная
доброкачественная
доступ
единый
ежедневный
заболеваемость
заболевания
задач
закон
законодательный
защита
здоровья
злокачественная
знание
зрение
зрения
избыточная
изменение
изображение
иммунизация
инсоляции
интеллект
интеллектуальный
интрадермальный
информативность
информационное
информированное
искажения
искусственная
использование
использованием
исследование
источник
исход
картина
качества
качественный
квалифицированной
кератоз
классификация
клиники
клиническая
ключ
кожа
кожи
кожного
кожные
количество
компьютерная
консультирование
контроль
конфокальная
корреляция
крупного
лабораторная
летний
лечение
литература
локализации
локализованный
максимальная
малого
медицин
медицина
медицинская
медия
меланома
метастазирование
метастатический
метод
методов
методы
микроскопия
мобильность
модели
момент
мульти
мягкая
наблюдение
навыкам
наличия
направлениях
население
настоящие
начала
недостаточное
неинвазивная
нейронная
нейросети
необходимости
новообразование
новообразования
обеспечение
областей
облучение
обнаружение
обработка
образ
образов
образование
обращение
обследование
обучение
обучения
общая
общего
общей
ограниченные
одного
онкологическая
онкология
опасные
определение
определенного
опухолей
освещенность
осмотры
основа
основания
основной
особенности
особый
ответ
отдельные
открытого
отличия
отпуск
отсроченный
отсутствие
охрана
очага
парадоксальная
пациент
первая
первичная
персонал
пигментная
план
повышение
повышенная
подготовка
поддержки
подход
поза
покровов
покрытие
пола
получение
помехи
помощи
правила
практика
превентивная
прево
предварительной
признаки
прикладная
применение
принятие
приспособления
проблема
проведение
прогноз
прогностическая
программ
профилактика
процедура
процесс
прямая
публичный
работа
радиации
развитие
различие
различный
разработка
разрешение
рак
рака
рамки
раннего
распознавание
распознаванию
распространение
распространенный
расширение
регион
регулярный
результата
рекомендации
рецидив
решение
решения
риск
россии
российская
рост
самообследование
самостоятельной
самостоятельный
своевременная
связанные
себорейный
сети
сеть
силлард
симптом
систем
сканирование
склонность
скрытое
слова
сложные
случаев
смертельная
смертности
снижение
снимки
современная
создание
создания
сокращений
солнечная
соответствие
состав
сотрудничества
спектрофотометрия
специализированная
специалистов
специального
специфичность
способ
сравнение
сравнительная
средств
сроки
стадии
статистические
степени
сфера
сша
таблицы
телемедицина
терапия
территории
тестовые
техническая
техническое
технологий
технология
ткань
точная
трудом
увеличение
ультрафиолетовая
уровни
условия
устройств
учет
федерации
формы
фотография
характеристика
хирургическая
хороший
целью
цифровая
часы
человек
чувствительность
шумы
экспертная
Ваш уровень доступа: Посетитель (IP-адрес: 3.14.133.5)
Яндекс.Метрика