Сужения в артериях найдет нейросеть
Международный коллектив ученых из России и Великобритании разработал алгоритм, который находит сужения кровеносных сосудов сердца на диагностических изображениях. В 94% случаев модель верно определяет проблемные участки на картинке в реальном времени. Это поможет кардиологам автоматически выявлять зоны патологических изменений у пациентов с ишемической болезнью сердца во время коронарной ангиографии, сообщили VladMedicina.ru в пресс-службе Российского научного фонда.
Ишемическая болезнь сердца — основная причина гибели среди населения развитых стран. Согласно статистике ВОЗ, от этого заболевания каждый год умирает около 17,5 млн человек. Ключевым методом диагностики служит исследование проходимости сосудов сердца, называемое ангиографией. Чтобы понять, в каком состоянии находятся артерии, в них вводят раствор рентгеноконтрастного вещества и наблюдают за его распространением с помощью рентгеновского излучения. В местах, где кровь встречает препятствие в виде тромба 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 врач, который проводит диагностику, может не заметить опасное сужение сосуда, называемое стенозом.
Сейчас в медицине широко используют возможности компьютерных 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 нейросеть определяет, какие нейроны вносят больший вклад в получение результата, а какие — меньший. После такого процесса обучения программа «запоминает» полученные закономерности и применяет их для новых, необработанных данных.
- 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% точности при работе в реальном времени. В дальнейшем мы планируем разработать программу, чтобы направлять действия хирургов во время имплантации биопротеза клапана аорты, — прокомментировал кандидат технических наук, руководитель проекта по гранту РНФ, заведующий лабораторией новых биоматериалов Научно-исследовательского института комплексных проблем сердечно-сосудистых заболеваний Евгений Овчаренко.
Фото: РНФ