Исследовательская команда обучила нейронную сеть находить аномалии на медицинских снимках. Новый способ поможет упростить и ускорить диагностику патологий. Исследование опубликовано в журнале IEEE Access.
Поиск аномалий на изображениях — распространенная задача, помогающая в анализе данных. Эта методика актуальна во многих сферах, однако в медицине она осложняется за счет определенных факторов. Алгоритмам трудно заметить отклонения от нормы или первые признаки патологии. Аномальные случаи для них похожи на норму, поэтому требуется специалист, способный вовремя заметить отклонения.
Исследовательская группа применила новый метод на рентгенограммах грудной клетки и снимках гистологического исследования ткани для диагностики рака молочной железы. Нейронная сеть показывала эффективную работу и высокие результаты, превосходящие уже существующие аналоги. Тем не менее работа сети не всегда демонстрировала стабильность — часто она зависела от выборки изображений. Для нового алгоритма характерно «восприятие» общего впечатления, аналогичного тому, что складывается у работающего со снимками специалиста. Сеть пытается выделить те признаки, на которые в принятии решения ориентировался бы медик.
«Мы предлагаем использовать так называемое обучение с частичным привлечением учителя. Поскольку двух явных классов нет, задачу обычно решают моделями без учителя или моделями поиска примеров не из распределения. Иными словами, аномальные случаи в обучающих данных не отмечены как таковые. Но представлять в клинической задаче класс аномалий как полное неизвестное — слишком пессимистичный сценарий, ведь врачи всегда могут показать несколько примеров. Поэтому и мы показали такие примеры сети, чтобы задействовать арсенал методов с частичным привлечением учителя. Результаты оказались весьма хорошими, причем польза есть даже от одного аномального снимка на 200 нормальных, что вполне реалистично», — говорит профессор Сколтеха Дмитрий Дылов, руководитель исследования.
Новый метод легко применяется к медицинским снимкам самых разных видов. Этому способствует его высокая чувствительность. Обнаруженный способ ускорит работу специалистов (гистопатологов, радиологов и т. д.), просматривающих большое количество снимков в поисках разного рода отклонений. Машина проведет предварительный анализ, исключив нормальные результаты. Это оставит медицинским сотрудникам больше времени на работу с тяжелыми случаями.
Подписывайтесь на InScience.News в социальных сетях: ВКонтакте, Telegram, Одноклассники.
