Research output: Contribution to journal › Article › peer-review
Искусственный интеллект в технологиях сегментации и классификации нейроонкологических очагов. / Летягин, Андрей Юрьевич; Тучинов, Б.Н.; Амелина, Е.В. et al.
In: Сибирский научный медицинский журнал, Vol. 44, No. 1, 4, 2024, p. 32-38.Research output: Contribution to journal › Article › peer-review
}
TY - JOUR
T1 - Искусственный интеллект в технологиях сегментации и классификации нейроонкологических очагов
AU - Летягин, Андрей Юрьевич
AU - Тучинов, Б.Н.
AU - Амелина, Е.В.
AU - Павловский, Е.Н.
AU - Голушко, С.К.
AU - Амелин, Михаил Евгеньевич
AU - Рзаев, Джамиль Афетович
N1 - Летягин А.Ю., Тучинов Б.Н., Амелина Е.В., Павловский Е.Н., Голушко С.К., Амелин М.Е., Рзаев Д.А. Искусственный интеллект в технологиях сегментации и классификации нейроонкологических очагов // Сибирский научный медицинский журнал. - 2024. - Т. 44. - № 1. - С. 32-38.
PY - 2024
Y1 - 2024
N2 - Исследование посвящено анализу результативности современных подходов к формированию диагностической технологии анализа МРТ-изображений в нейроонкологии, построенной на основе искусственного интеллекта (ИИ) и компьютерного зрения. Такие подходы необходимы для быстрого и диагностически эффективного анализа в целях реализации принципа индивидуализированной медицины. Материал и методы. Выполнен анализ результативности выбора технологий ИИ для формирования процессов сегментации и классификациинейроонкологических МРТ-изображений. ИИ был обучен на собственной аннотированной базе данных (SBT Dataset), содержащей около 1000 клинических случаев на основе архивных данных предоперационных МРТ-исследований в ФГБУ «Федеральный нейрохирургический центр» (Новосибирск), у пациентов с астроцитомой, глиобластомой, менингиомой, невриномой и с метастазами соматических опухолей, с гистологическим и гистохимическим послеоперационным подтверждением. Результаты и их обсуждение. Результативность иэффективность разработанных технологий проверена в ходе международных соревнований BraTS, в которых предлагалось сегментировать и классифицировать случаи из набора данных по нейроонкологическим пациентам, подготовленного организаторами соревнования. Заключение. Предложенные в статье методологические подходы в разработке диагностических систем на основе ИИ и принципов компьютерного зрения показали высокую эффективность на уровне десятки мировых лидеров и могут использоваться для разработки программно-аппаратных комплексов для диагностической нейрорадиологии с функциями «помощника врача».
AB - Исследование посвящено анализу результативности современных подходов к формированию диагностической технологии анализа МРТ-изображений в нейроонкологии, построенной на основе искусственного интеллекта (ИИ) и компьютерного зрения. Такие подходы необходимы для быстрого и диагностически эффективного анализа в целях реализации принципа индивидуализированной медицины. Материал и методы. Выполнен анализ результативности выбора технологий ИИ для формирования процессов сегментации и классификациинейроонкологических МРТ-изображений. ИИ был обучен на собственной аннотированной базе данных (SBT Dataset), содержащей около 1000 клинических случаев на основе архивных данных предоперационных МРТ-исследований в ФГБУ «Федеральный нейрохирургический центр» (Новосибирск), у пациентов с астроцитомой, глиобластомой, менингиомой, невриномой и с метастазами соматических опухолей, с гистологическим и гистохимическим послеоперационным подтверждением. Результаты и их обсуждение. Результативность иэффективность разработанных технологий проверена в ходе международных соревнований BraTS, в которых предлагалось сегментировать и классифицировать случаи из набора данных по нейроонкологическим пациентам, подготовленного организаторами соревнования. Заключение. Предложенные в статье методологические подходы в разработке диагностических систем на основе ИИ и принципов компьютерного зрения показали высокую эффективность на уровне десятки мировых лидеров и могут использоваться для разработки программно-аппаратных комплексов для диагностической нейрорадиологии с функциями «помощника врача».
KW - МРТ
KW - нейроонкология
KW - искусственный интеллект
KW - сегментация опухоли
KW - классификация опухолей головного мозга
KW - Artificial intelligence
KW - Classification of brain tumors
KW - MRI
KW - Neuro-oncology
KW - Tumor segmentation
UR - https://www.scopus.com/record/display.uri?eid=2-s2.0-85188902061&origin=inward&txGid=7975e2646bd4ebce7116d6522c5399f7
UR - https://elibrary.ru/item.asp?id=60775044
UR - https://www.mendeley.com/catalogue/10102f98-fad5-3a56-9707-606f118654b8/
U2 - 10.18699/SSMJ20240104
DO - 10.18699/SSMJ20240104
M3 - статья
VL - 44
SP - 32
EP - 38
JO - Сибирский научный медицинский журнал
JF - Сибирский научный медицинский журнал
SN - 2410-2512
IS - 1
M1 - 4
ER -
ID: 59824557