ПРИМЕНЕНИЕ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ДЛЯ ДИАГНОСТИКИ ТУБЕРКУЛЕЗА И ОНКОЛОГИЧЕСКИХ ЗАБОЛЕВАНИЙ

Аннотация:

МАТЕРИАЛЫ Всероссийской научно-практической конференции с международным участием «Россия на пути ликвидации туберкулеза: реалии и перспективы», посвященной памяти академика РАМН М. И. Перельмана. 13-15 ноября 2019 г., Москва. Наиболее распространенным способом скрининговой диагностики туберкулеза является флюорография. Около 80 млн человек в РФ должны пройти в 2019 г. флюорографическое исследование. На данный момент очень небольшое количество учреждений обладает возможностью проводить так называемое «двойное прочтение» флюорограмм, поэтому слишком серьезное влияние человеческого фактора существенно снижает эффективность и приводит к ошибкам при диагностике патологии легких, в том числе туберкулеза и рака. Цель исследования: разработка новой системы на основе технологий искусственного интеллекта, призванной помочь врачам при работе с рентгеновскими снимками легких. Материалы и методы. При создании системы использовались открытые источники данных (Национальные институты здоровья - США, Японское общество радиологических технологий, Национальный институт аллергии и инфекционных заболеваний - США). Система обучалась на 112 120 фронтальных рентгеновских снимках, 51 708 из которых содержат одну или более патологий, а остальные 60 412 не содержат никакой патологии. В аннотации к данным имеется информация о наличии/отсутствии патологий из 14 классов: ателектаз, кардиоме-галия, уплотнения, отек, выпот, эмфизема, фиброз, грыжа, инфильтраты, опухоль, узелки, утолщение плевры, пневмония, пневмоторакс. Ядром системы является ансамбль из 10 нейросе-тей, созданных на основе архитектуры DenseNet-121. Вероятности присутствия указанных патологий на снимке получаются как среднее арифметическое вероятностей, предсказанных каждой моделью в ансамбле. Результаты. Разработана система, способная обрабатывать до 32 рентгеновских снимков легких в секунду, присваивая каждому изображению метки, соответствующие найденным патологиям. Несмотря на сильную несбалансированность используемого датасета и того факта, что для некоторых классов количество примеров чрезвычайно мало, система демонстрирует сопоставимую с человеком точность по большинству патологий, а по некоторым - превосходит. Система также предоставляет веб-интерфейс, позволяющий в том числе визуализировать подозрительные регионы (с помощью Grad-CAM - Gradient-weighted Class Activation Mapping - градиентно взвешенные карты активаций классов). Заключение. Представленная система может использоваться для получения «второго мнения» по снимку, увеличивая скорость и качество его прочтения и уменьшая нагрузку на врачей-рентгенологов. Падалко Михаил Александрович (Mikhail A. Padalko) E-mail: padalkom @gmail.com

Авторы:

Издание: Туберкулез и болезни легких
Год издания: 2019
Объем: 1с.
Дополнительная информация: 2019.-N 11.-С.62-62. Библ. 0 назв.
Просмотров: 33