TY - JOUR

T1 - Искусственный интеллект в технологиях сегментации и классификации нейроонкологических очагов

AU - Летягин, Андрей Юрьевич

AU - Тучинов, БН

AU - Амелина, ЕВ

AU - Павловский, ЕН

AU - Голушко, СК

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;44(1):32-38. https://doi.org/10.18699/SSMJ20240104

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

U2 - https://doi.org/10.18699/SSMJ20240104

DO - https://doi.org/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

ER -