Челябинские ученые научили искусственный интеллект выявлять рак мозга
9 Января 2021
Фото: https://www.susu.ru/
Нейронная сеть определяет опухоли на ранней стадии, что позволит спасать жизни пациентов.
Ученые челябинского вуза обучили нейросети выявлять онкологические образования в мозгу. Этот сенсационный результат они получили в ходе совместной разработки с индийскими коллегами.
Как сообщили авторы ноу-хау, они создали новую модель классификации снимков МРТ по технологии машинного обучения искусственного интеллекта. Ее главный плюс – более быстрое и точное выявление злокачественных опухолей головного мозга.
По информации медиков, чтобы не допустить бесконтрольного деления клеток раковой опухоли, крайне важно выявить на ранней стадии так называемую глиобластому - злокачественную опухоль мозга 4-й стадии онкозаболевания. Эти образования смертельно опасны, и даже если летального исхода удастся избежать, они зачастую приводят к инвалидности, психической неполноценности пациента. По прогнозам, ноу-хау позволит спасти множество жизней.
Нейронную сеть обучала международная научная команда ученых университетов Индии и ЮУрГУ — старшего научного сотрудника кафедры системного программирования, постдока Кумара Сэчина и кандидата физико-математических наук, доцента Михаила Цымблера. Они разработали уникальные методы компьютерного анализа снимков магнитно-резонансной томографии (МРТ) для раннего определения опухолей глиобластомы, для чего применили «умные» технологии искусственного интеллекта, с самообучением нейронных сетей.
Как пояснили разработчики, глубокое машинное обучение позволит автоматически извлекать из снимков МРТ первые признаки опухоли, не допустить ее разрастания. Но это только начало: чтобы избежать поспешных выводов, еще предстоит создать математическую процедуру проверки полученных данных.
«В своей разработке мы предложили новую модель классификации снимков МРТ на основе технологий глубокого обучения, с использованием гибридного подхода, ― поясняет Кумар Сэчин. – «Машинная» классификация будет вестись в три этапа. На начальной стадии -предварительная обработка информации, выявление онкопризнаков из изображения посредством дискретного вейвлет-преобразования (математическая функция, позволяющая «сжать» набор данных), его векторизация, масштабирующая МРТ-снимки для обработки без потери качества. Второй этап - уменьшение их размеров для более точной классификации изображений. А на третьем этапе «включают» так называемые нейромашины Больцмана, формирующие глубокую сеть доверия (особый вид многослойных нейронных сетей, которые могут самообучаться без «учителя») со скрытыми уровнями».
По словам ученых, эта «сеть доверия» обычно ведет к вычислительной сложности, большим затратам времени на обучение модели. Но интеграция в нее вейвлет-преобразования со «сверткой» лишних сигналов этот процесс упростился. По мнению экспертов, такая гибридная модель «умной» классификации не имеет аналогов по скорости обучения нейросети и точности выявления опухоли.
Полученные результаты исследования, как считают медики, могут принести огромную пользу для выявления раковых опухолей мозга. Эти методы планируют применять для разработки «умных» компьютерных систем диагностики и выявления опухолей по снимкам МРТ.
«Хотя магнитно-резонансная томография позволяет получать высококонтрастные снимки головного мозга, для постановки диагноза нужны высококвалифицированные специалисты, ― говорит Михаил Цымблер.- А их в больницах порой не хватает. Технологии же искусственного интеллекта позволят автоматизировать, упростить и ускорить выявление опухолей, сводя к минимуму эту рутинную работу, причем обеспечивая более высокую точность диагноза».
Как добавили ученые, они планируют идти дальше – научить машину применять классификационную модель и по другим профилям, для работы с большим количеством снимков МРТ «по заданным шаблонам». Один из вариантов – выявлять окклюзию, то есть нарушение в организме проходимости полых образований - цистерн, лимфатических и кровеносных сосудов. Закупорка сосудов в мозге – очень опасная болезнь, которую искусственный интеллект тоже сможет выявлять на ранней стадии. По мнению медиков, применение методов машинного обучения и в этой сфере поможет излечению страдающих от «сосудных пробок» пациентов.
Как сообщили авторы ноу-хау, они создали новую модель классификации снимков МРТ по технологии машинного обучения искусственного интеллекта. Ее главный плюс – более быстрое и точное выявление злокачественных опухолей головного мозга.
По информации медиков, чтобы не допустить бесконтрольного деления клеток раковой опухоли, крайне важно выявить на ранней стадии так называемую глиобластому - злокачественную опухоль мозга 4-й стадии онкозаболевания. Эти образования смертельно опасны, и даже если летального исхода удастся избежать, они зачастую приводят к инвалидности, психической неполноценности пациента. По прогнозам, ноу-хау позволит спасти множество жизней.
Нейронную сеть обучала международная научная команда ученых университетов Индии и ЮУрГУ — старшего научного сотрудника кафедры системного программирования, постдока Кумара Сэчина и кандидата физико-математических наук, доцента Михаила Цымблера. Они разработали уникальные методы компьютерного анализа снимков магнитно-резонансной томографии (МРТ) для раннего определения опухолей глиобластомы, для чего применили «умные» технологии искусственного интеллекта, с самообучением нейронных сетей.
Как пояснили разработчики, глубокое машинное обучение позволит автоматически извлекать из снимков МРТ первые признаки опухоли, не допустить ее разрастания. Но это только начало: чтобы избежать поспешных выводов, еще предстоит создать математическую процедуру проверки полученных данных.
«В своей разработке мы предложили новую модель классификации снимков МРТ на основе технологий глубокого обучения, с использованием гибридного подхода, ― поясняет Кумар Сэчин. – «Машинная» классификация будет вестись в три этапа. На начальной стадии -предварительная обработка информации, выявление онкопризнаков из изображения посредством дискретного вейвлет-преобразования (математическая функция, позволяющая «сжать» набор данных), его векторизация, масштабирующая МРТ-снимки для обработки без потери качества. Второй этап - уменьшение их размеров для более точной классификации изображений. А на третьем этапе «включают» так называемые нейромашины Больцмана, формирующие глубокую сеть доверия (особый вид многослойных нейронных сетей, которые могут самообучаться без «учителя») со скрытыми уровнями».
По словам ученых, эта «сеть доверия» обычно ведет к вычислительной сложности, большим затратам времени на обучение модели. Но интеграция в нее вейвлет-преобразования со «сверткой» лишних сигналов этот процесс упростился. По мнению экспертов, такая гибридная модель «умной» классификации не имеет аналогов по скорости обучения нейросети и точности выявления опухоли.
Полученные результаты исследования, как считают медики, могут принести огромную пользу для выявления раковых опухолей мозга. Эти методы планируют применять для разработки «умных» компьютерных систем диагностики и выявления опухолей по снимкам МРТ.
«Хотя магнитно-резонансная томография позволяет получать высококонтрастные снимки головного мозга, для постановки диагноза нужны высококвалифицированные специалисты, ― говорит Михаил Цымблер.- А их в больницах порой не хватает. Технологии же искусственного интеллекта позволят автоматизировать, упростить и ускорить выявление опухолей, сводя к минимуму эту рутинную работу, причем обеспечивая более высокую точность диагноза».
Как добавили ученые, они планируют идти дальше – научить машину применять классификационную модель и по другим профилям, для работы с большим количеством снимков МРТ «по заданным шаблонам». Один из вариантов – выявлять окклюзию, то есть нарушение в организме проходимости полых образований - цистерн, лимфатических и кровеносных сосудов. Закупорка сосудов в мозге – очень опасная болезнь, которую искусственный интеллект тоже сможет выявлять на ранней стадии. По мнению медиков, применение методов машинного обучения и в этой сфере поможет излечению страдающих от «сосудных пробок» пациентов.
Поделиться
