Учёные ЛЭТИ разработали высокоточный метод классификации опухоли мозга по МРТ-снимкам

Подход заключается в применении алгоритмов, которые позволят диагностировать рак, основываясь на ключевых точках, указывающих на аномалии в головном мозге.

Сегодня для диагностики различных заболеваний активно применяются нейронные сети, которые анализируют медицинские изображения, такие как снимки, полученные с помощью магнитно-резонансной томографии (МРТ). МРТ создаёт множество послойных изображений внутренних органов и тканей, а затем объединяет их с помощью компьютера в одну детальную трёхмерную или двумерную картинку, демонстрирующую анатомические структуры и возможные патологии.

Однако для предотвращения переобучения нейросетей необходим большой объём данных, а в случае выявления опухоли мозга – МРТ-снимки головного мозга как здоровых, так и больных пациентов. Использование таких данных требует письменного согласия каждого пациента, что создаёт определённые сложности для машинного обучения. Поэтому исследователи ищут решения, способные их решить.

«Для решения этой проблемы мы применили классические алгоритмы, скомбинировав три метода, которые способны выделять ключевые точки на МРТ-снимках головного мозга, такие как извилины,  утолщения и др., а также оставлять из них те, которые могут указывать на аномалии, например, патологические образования или изменения в структуре тканей. На основе этих данных подход классифицирует опухоли головного мозга, что позволило получить лучшие результаты по сравнению с нейросетевыми алгоритмами для подобных задач». – Доцент кафедры математического обеспечения и применения электронных вычислительных машин (МО ЭВМ) СПбГЭТУ «ЛЭТИ» Антон Юрьевич Филатов

Сначала с помощью алгоритма гистограммы (графика, который визуализирует распределение количественных данных в виде столбчатой диаграммы) градиентов исследователи на МРТ-снимках вели поиск ключевых точек, выделяющих извилины, утолщения и т.д. Градиенты помогли выявлять изменения в цвете между соседними пикселями, что позволило обнаруживать области с резкими перепадами цвета, сигнализирующих о возможных аномалиях – патологических новообразованиях и изменениях в структуре тканей.

В результате получился набор многомерных векторов, описывающих ключевые точки, среди которых имелись много лишних. Для выделения значимых точек исследователи использовали некоторые алгоритмы искусственного интеллекта, которые помогли установить критерии, по которым проходил отбор и отсев «лишних» точек. В итоге из десятков тысяч точек оставались всего несколько сотен, которые можно было считать показательными для дальнейшего анализа.

Для определения типа, степени злокачественности и локализации опухоли мозга, важно ее классифицировать. Это позволяет выбрать наиболее эффективную стратегию лечения, спрогнозировать исход и подобрать оптимальную реабилитацию. Для классификации учёные использовали классический метод ИИ кластеризации. Так, алгоритм проанализировал около 1000 МРТ-снимков головного мозга здоровых и больных пациентов, обучая модели различать их по расположению ключевых точек.

Работа ведётся в рамках кандидатской диссертации аспиранта МО ЭВМ Ясира Низамли.