TY - JOUR

T1 - Применение алгоритма компьютерного зрения для определения очагов демиелинизации при рассеянном склерозе на МРТ-изображениях

AU - Тучинов, Баир Николаевич

AU - Суворов, Виктор

AU - Моторин, Кирилл Олегович

AU - Павловский, Евгений Николаевич

AU - Василькив, Любовь Михайловна

AU - Станкевич, Юлия Алекандровна

AU - Тулупов, Андрей Александрович

N1 - Тучинов Б.Н., Суворов В., Моторин К.О., Павловский Е.Н., Василькив Л.М., Станкевич Ю.А., Тулупов А.А. Применение алгоритма компьютерного зрения для определения очагов демиелинизации при рассеянном склерозе на МРТ-изображениях // Сибирский научный медицинский журнал. - 2024. - Т. 44. - № 1. - С. 107-115. Исследование проведено в рамках проекта РНФ № 23-15-00377.

PY - 2024

Y1 - 2024

N2 - Исследование направлено на анализ современных алгоритмов для диагностики поражений при рассеянном склерозе на МРТ-изображениях. Рассеянный склероз, тяжелое заболевание центральной нервной системы, занимает первое место среди причин инвалидности у пациентов молодого трудоспособного возраста. В связи с развитием технологий компьютерного зрения и машинного обучения растет актуальность применения данных технологий для медицинской диагностики. Такие подходы необходимы для эффективной разработки и внедрения диагностических систем с использованием искусственного интеллекта.Материал и методы. В статье представлены особенности диагностики рассеянного склероза на МРТ-изображениях, существующие наборы данных: ISBI-2015, MSSEG-2016, MSSEG-2021; существующие алгоритмы и модели сегментации поражений: U-Net, nnU-Net, TransUnet, TransBTS, UNETR, Swin UNETR. Результаты и их обсуждение. Проведено обучение и сравнение архитектур и моделей nnU-Net, UNETR, Swin UNETR на ISBI-2015 c различными параметрами и функциями потерь, использованы четыре последовательности МРТ: Т2-взвешенное изображение, T2-FLAIR, PD, MPRAGE. Сегментация поражений одобрена тремя аттестованными опытными нейрорадиологами.Заключение. Описанные в статье подходы, включая процессы обработки данных, обучения моделей, анализ результатов, были сосредоточены на выборе и разработке высококачественных алгоритмов компьютерного зрения для определения поражений при рассеянном склерозе на МРТ-изображениях. Выявление и сегментация очагов демиелинизации является необходимым этапом для диагностики заболевания, а также для расчета и интерпретации более значимых показателей тяжести и прогрессирования заболевания.

AB - Исследование направлено на анализ современных алгоритмов для диагностики поражений при рассеянном склерозе на МРТ-изображениях. Рассеянный склероз, тяжелое заболевание центральной нервной системы, занимает первое место среди причин инвалидности у пациентов молодого трудоспособного возраста. В связи с развитием технологий компьютерного зрения и машинного обучения растет актуальность применения данных технологий для медицинской диагностики. Такие подходы необходимы для эффективной разработки и внедрения диагностических систем с использованием искусственного интеллекта.Материал и методы. В статье представлены особенности диагностики рассеянного склероза на МРТ-изображениях, существующие наборы данных: ISBI-2015, MSSEG-2016, MSSEG-2021; существующие алгоритмы и модели сегментации поражений: U-Net, nnU-Net, TransUnet, TransBTS, UNETR, Swin UNETR. Результаты и их обсуждение. Проведено обучение и сравнение архитектур и моделей nnU-Net, UNETR, Swin UNETR на ISBI-2015 c различными параметрами и функциями потерь, использованы четыре последовательности МРТ: Т2-взвешенное изображение, T2-FLAIR, PD, MPRAGE. Сегментация поражений одобрена тремя аттестованными опытными нейрорадиологами.Заключение. Описанные в статье подходы, включая процессы обработки данных, обучения моделей, анализ результатов, были сосредоточены на выборе и разработке высококачественных алгоритмов компьютерного зрения для определения поражений при рассеянном склерозе на МРТ-изображениях. Выявление и сегментация очагов демиелинизации является необходимым этапом для диагностики заболевания, а также для расчета и интерпретации более значимых показателей тяжести и прогрессирования заболевания.

KW - Computer vision

KW - Demyelination

KW - Image segmentation

KW - MRI

KW - Medical imaging

KW - Multiple sclerosis

KW - РАССЕЯННЫЙ СКЛЕРОЗ

KW - КОМПЬЮТЕРНОЕ ЗРЕНИЕ

KW - ДЕМИЕЛИНИЗАЦИЯ

KW - СЕГМЕНТАЦИЯ ИЗОБРАЖЕНИЙ

KW - МРТ

KW - МЕДИЦИНСКАЯ ВИЗУАЛИЗАЦИЯ

UR - https://www.scopus.com/record/display.uri?eid=2-s2.0-85188965943&origin=inward&txGid=43162b691e18d3c59adbd255a64dc371

UR - https://elibrary.ru/item.asp?id=60775051

UR - https://www.mendeley.com/catalogue/2d38ac10-4280-3d2b-9590-140453ba4177/

U2 - https://doi.org/10.18699/SSMJ20240111

DO - https://doi.org/10.18699/SSMJ20240111

M3 - статья

VL - 44

SP - 107

EP - 115

JO - Сибирский научный медицинский журнал

JF - Сибирский научный медицинский журнал

SN - 2410-2512

IS - 1

M1 - 11

ER -