Нейронные сети научились лучше искать сужения кровеносных сосудов

Международный коллектив ученых разработал алгоритм, который находит сужения кровеносных сосудов сердца на диагностических изображениях. В 94 процентах случаев модель верно определяет проблемные участки на картинке в реальном времени. Это поможет кардиологам ически выявлять зоны патологических изменений у пациентов с ишемической болезнью сердца во время коронарной ангиографии.

С результатами исследования, выполненного при поддержке гранта Российского научного фонда (РНФ), можно ознакомиться в журнале Scientific Reports. Ишемическая болезнь сердца — основная причина гибели среди населения развитых стран. Согласно статистике , от этого заболевания каждый год умирает около 17,5 миллионов человек.



Ключевым методом диагностики служит исследование проходимости сосудов сердца, называемое ангиографией. Чтобы понять, в каком состоянии находятся и, в них вводят раствор рентгеноконтрастного вещества и наблюдают за его распространением с помощью рентгеновского излучения. В местах, где встречает препятствие в виде а или сужения сосуда, на снимках фиксируется ослабление потока.

При проведении ангиографии контраст движется слишком быстро и распределяется неравномерно. Кроме того, качество снимка часто бывает недостаточно информативным из-за насыщенности, шумов и разрешающей способности аппаратуры. Из-за этого , который проводит диагностику, может не заметить опасное сужение сосуда, называемое стенозом.

Сейчас в медицине широко используют возможности ных программ для быстрого и точного анализа изображений, например снимков легких. Нейросеть — инструмент, похожий по принципу действия на человеческий мозг. Внутри нее есть множество нейронов, выполняющих простые математические операции с данными. На основании большого числа примеров ь определяет, какие нейроны вносят больший вклад в получение результата, а какие — меньший. После такого процесса обучения, «запоминает» полученные закономерности и применяет их для новых, необработанных данных.

Российские ученые из Научно-исследовательского института комплексных проблем сердечно-сосудистых заболеваний (Кемерово) и Томского политехнического университета (Томск), совместно с коллегами из Университета Лидса (Лидс, я) протестировали восемь различных вариантов архитектур сверточных нейросетей, отличающихся количеством нейронов и связей между ними.

В качестве материала для обучения использовали более восьми тысяч изображений от 100 пациентов, обследовавшихся в кемеровском НИИ. На 80 процентах изображений врачи вручную обозначили участки со стенозами, и на основании этой выборки авторы работы обучили нейросети. Оставшиеся изображения были использованы для тестирования систем.

Сравнение параметров нескольких нейросетей показало, что самая точная нейросеть может анализировать по три картинки в секунду с точностью 95 процентов, а самая быстрая обрабатывает по 38 изображений в секунду с точностью 83 процента. Оптимальным вариантом оказалась нейросеть, за секунду анализирующая по десять снимков с точностью 94 процента. В зависимости от нужд оператора можно использовать как более быстрые, так и более точные модели.

«Данные исследования, помимо обнаружения стенозов, могут быть использованы для автоматизированной оценки степени поражений и гемодинамики артерий сердца. Архитектура нейросети и использованные методы машинного обучения позволили добиться 95-процентной точности при работе в реальном времени. В дальнейшем мы планируем разработать программу, чтобы направлять действия хирургов во время имплантации биопротеза клапана аорты», — поделился Евгений Овчаренко, кандидат технических наук, руководитель проекта по гранту РНФ, заведующий лабораторией новых биоматериалов Научно-исследовательского института комплексных проблем сердечно-сосудистых заболеваний (Кемерово).