Исследователи Сколтеха вместе с коллегами-медиками из Пироговского центра и Национального медицинского исследовательского центра акушерства, гинекологии и перинатологии имени В.И. Кулакова использовали сверточную нейронную сеть для автоматического обнаружения фокальной кортикальной дисплазии (ФКД). Это патология головного мозга, которая часто становится причиной эпилепсии. С помощью полученных результатов можно будет быстрее и точнее диагностировать это заболевание, сообщает пресс-служба Сколтеха.
Фокальная кортикальная дисплазия – врожденный порок развития коры головного мозга, связанный с тем, что в отдельной области коры нейроны не образуют упорядоченную структуру. Для диагностики ФКД медики обычно используют МРТ-изображения мозга.
Группа исследователей под руководством профессора Сколтеха Александра Бернштейна, доцента Евгения Бурнаева и старшего научного сотрудника Максима Шараева, решила усовершенствовать существующий метод автоматизации обнаружения ФКД, основанный на глубоком обучении. Поскольку неточность в локализации очагов эпилепсии может привести к ошибкам при проведении хирургических операций.
С помощью размеченных МРТ-снимков головного мозга здоровых людей и пациентов с диагнозом ФКД ученые обучили и использовали сверточную нейронную сеть для обнаружения заболевания. Для вычислений использовали суперкомпьютер Сколтеха «Жорес».
Известно несколько примеров, когда глубокие сверточные нейронные сети использовали для обнаружения ФКД. Но у ученых была проблема — нехватка и низкое качество аннотированных данных. «Поэтому мы разработали нашу собственную систему маркировки изображений, с помощью которой врач-рентгенолог может самостоятельно аннотировать МРТ-изображения. Еще одна проблема – трехмерный характер МРТ-изображений, поэтому мы предложили несколько решений для работы с трехмерными данными и их двухмерными проекциями», — объяснил Евгений Бурнаев.
Новый метод ученых уже прошел первое испытание и показал хороший результат: очаги ФКД обнаружили у 11 из 15 пациентов. «Но нам еще предстоит немало сделать для повышения качества, надежности и других характеристик модели. Только после решения этих задач можно будет говорить о возможности реализации нашей нейронной сети в клинических условиях», – отметил Максим Шараев.
Сейчас ученые и их коллеги работают над получением дополнительных наборов данных для обучения и проверки модели, а также исследуют различные варианты архитектуры машинного обучения и глубокого обучения. «Некоторые из наших аспирантов разрабатывают новые технологии глубоких нейросетей для обработки данных, представленных в виде полигональных сетей, и обработки облаков точек для извлечения информации об аномалиях из трехмерных данных МРТ», — отметил Евгений Бурнаев.
Вместе с этим ученые работают над созданием веб-платформы для анализа МРТ-изображений. «Мы разрабатываем более сложные подходы, которые могли бы помочь в создании гораздо более точной автоматической системы анализа МРТ-изображений и обнаружения патологий развития головного мозга», – добавил Бурнаев.
