Результаты исследований: Научные публикации в периодических изданиях › статья › Рецензирование
Применение алгоритма компьютерного зрения для определения очагов демиелинизации при рассеянном склерозе на МРТ-изображениях. / Тучинов, Баир Николаевич; Суворов, Виктор; Моторин, Кирилл Олегович и др.
в: Сибирский научный медицинский журнал, Том 44, № 1, 11, 2024, стр. 107-115.Результаты исследований: Научные публикации в периодических изданиях › статья › Рецензирование
}
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 -
ID: 59824430