Результаты исследований: Научные публикации в периодических изданиях › статья › Рецензирование
Особенности создания базы данных нейроонкологических 3D МРТ-изображений для обучения искусственного интеллекта. / Амелина, Евгения Валерьевна; Летягин, Андрей Юрьевич; Тучинов, Баир Николаевич и др.
в: Сибирский научный медицинский журнал, Том 42, № 6, 6, 2022, стр. 51-59.Результаты исследований: Научные публикации в периодических изданиях › статья › Рецензирование
}
TY - JOUR
T1 - Особенности создания базы данных нейроонкологических 3D МРТ-изображений для обучения искусственного интеллекта
AU - Амелина, Евгения Валерьевна
AU - Летягин, Андрей Юрьевич
AU - Тучинов, Баир Николаевич
AU - Толстокулаков, Николай Юрьевич
AU - Амелин, Михаил Евгеньевич
AU - Павловский, Евгений
AU - Гроза, Владимир Валерьевич
AU - Голушко, Сергей Кузьмич
N1 - Амелина Е.В., Летягин А.Ю., Тучинов Б.Н., Толстокулаков Н.Ю., Амелин М.Е., Павловский Е.Н., Гроза В.В., Голушко С.К. Особенности создания базы данных нейроонкологических 3D МРТ-изображений для обучения искусственного интеллекта // Сибирский научный медицинский журнал. – 2022. – Т. 42. – № 6. – С. 51-59. Исследование проведено в рамках проекта РФФИ № 19-29-01103.
PY - 2022
Y1 - 2022
N2 - Исследование направлено на анализ современных подходов к организации и методологии проектирования базы данных визуализации, построенной на основе компьютерного зрения. Такие подходы необходимы для эффективной разработки диагностических систем с использованием искусственного интеллекта (ИИ). Обязательным условием для этого является качественный набор обучающих данных. Материал и методы. В статье представлена технология создания аннотированной базы данных (SBT Dataset), содержащей около 1000 клинических случаев на основе архивных данных ФГБУ «Федеральный нейрохирургический центр», Новосибирск, Россия, включая сведения о пациентах с астроцитомой, глиобластомой, менингиомой, невриномой и больных с метастазами соматических опухолей. Каждый случай представлен предоперационной МРТ. Результаты и их обсуждение. Построен набор данных (набор данных SBT), содержащий сегментированные 3D МРТ-изображения пяти типов опухолей головного мозга с общим количеством проверенных наблюдений 991. Использованы четыре последовательности МРТ – T1-WI, T1C (с Gd-контрастом), T2-WI и T2-FLAIR с гистологическим и гистохимическим послеоперационным подтверждением. Сегментация опухолей с проверкой границ элементов ядра опухоли и перифокального отека одобрена двумя аттестованными опытными нейрорадиологами. Вывод. База данных, построенная в ходе исследования, по своему объему и уровню качества (верификации) сравнима с современными наиболее популярными в мире базами данных. Предложенные в статье методологические подходы направлены на разработку высококачественных медицинских систем компьютерного зрения. База данных использовалась для создания систем искусственного интеллекта с функциями «помощника врача» по предоперационной МРТ-диагностике в нейрохирургии.
AB - Исследование направлено на анализ современных подходов к организации и методологии проектирования базы данных визуализации, построенной на основе компьютерного зрения. Такие подходы необходимы для эффективной разработки диагностических систем с использованием искусственного интеллекта (ИИ). Обязательным условием для этого является качественный набор обучающих данных. Материал и методы. В статье представлена технология создания аннотированной базы данных (SBT Dataset), содержащей около 1000 клинических случаев на основе архивных данных ФГБУ «Федеральный нейрохирургический центр», Новосибирск, Россия, включая сведения о пациентах с астроцитомой, глиобластомой, менингиомой, невриномой и больных с метастазами соматических опухолей. Каждый случай представлен предоперационной МРТ. Результаты и их обсуждение. Построен набор данных (набор данных SBT), содержащий сегментированные 3D МРТ-изображения пяти типов опухолей головного мозга с общим количеством проверенных наблюдений 991. Использованы четыре последовательности МРТ – T1-WI, T1C (с Gd-контрастом), T2-WI и T2-FLAIR с гистологическим и гистохимическим послеоперационным подтверждением. Сегментация опухолей с проверкой границ элементов ядра опухоли и перифокального отека одобрена двумя аттестованными опытными нейрорадиологами. Вывод. База данных, построенная в ходе исследования, по своему объему и уровню качества (верификации) сравнима с современными наиболее популярными в мире базами данных. Предложенные в статье методологические подходы направлены на разработку высококачественных медицинских систем компьютерного зрения. База данных использовалась для создания систем искусственного интеллекта с функциями «помощника врача» по предоперационной МРТ-диагностике в нейрохирургии.
KW - MRI
KW - artificial intelligence
KW - classification of brain tumors
KW - neuro-oncology
KW - tumor segmentation
UR - https://www.scopus.com/record/display.uri?eid=2-s2.0-85145067705&origin=inward&txGid=59a47a5289be52c36783a5c5de40f3c5
UR - https://www.elibrary.ru/item.asp?id=49968163
UR - https://www.mendeley.com/catalogue/5bf23875-799f-3a0a-9cf2-4b020107ab09/
U2 - 10.18699/SSMJ20220606
DO - 10.18699/SSMJ20220606
M3 - статья
VL - 42
SP - 51
EP - 59
JO - Сибирский научный медицинский журнал
JF - Сибирский научный медицинский журнал
SN - 2410-2512
IS - 6
M1 - 6
ER -
ID: 42334687