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, КО

AU - Павловский, Евгений Николаевич

AU - Василькив, Любовь

AU - Станкевич, Юлия

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;44(1):107-115. https://doi.org/10.18699/SSMJ20240111

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.

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

ER -