Исследователи Университета ИТМО совместно с коллегами из НМИЦ имени В.А.Алмазова разработали алгоритм, который позволяет быстро и точно определить фиброз сердца с помощью нейросетей.
Применение данной разработки поможет врачам оптимизировать сложный процесс обработки МРТ-снимков и ускорить подбор наиболее эффективной стратегии лечения инфаркта и других заболеваний сердца. Результаты исследования поддержаны грантом РНФ в рамках Президентской программы исследовательских проектов, реализуемых молодыми учеными.
Своевременное проведение диагностики сердечно-сосудистых заболеваний является важным инструментом обнаружения патологии и предотвращения рисков летального исхода пациентов. Это относится и к выявлению фиброза – рубцовой ткани, которая может образоваться после инфаркта миокарда (постинфарктный кардиосклероз) или инфекционных заболеваний. Один из перспективных методов исследования сердца — магнитно-резонансная томография. Это малоинвазивный способ, использующий неионизирующее излучение.
Однако на точное измерение объема фиброза рентгенологи тратят много времени: вручную определяют примерный процент фиброзной ткани в том или ином сегменте сердца и заносят эту информацию в таблицу для построения 17-ти сегментной диаграммы. В среднем обработка одной серии снимков занимает от одного до двух часов на одного пациента.
Сократить время обработки снимков можно с помощью нейросетей, но существующие модели достаточно неточные и трудозатратные – они требуют ручного или полуавтоматического выделения области фиброза, то есть присутствия рентгенолога. Поэтому перед учеными стоит задача автоматизировать генерацию 17-сегментных диаграмм сердца на основе МРТ-изображения.
Чтобы ускорить и автоматизировать обработку МРТ-снимков сердца и быстро определять на них фиброз, ученые ИТМО совместно с НМИЦ Алмазова разработали полуавтоматическую модель на основе глубокого обучения. Она решает задачу поэтапно: сначала определяет область сердца, в которой находится миокард, затем выявляет наличие фиброза, распознает 17 сегментов, на которые принято делить сердце, и оценивает объем фиброза в каждом из них.
«В предложенном алгоритме пользователю нужно только отметить несколько точек на изображении сердца и классифицировать срезы, а сегментация тканей и генерация 17-ти сегментной диаграммы полностью автоматизированы. Сейчас мы работаем над улучшением нашего метода и разрабатываем более быстрый, полностью автоматический алгоритм, который будет способен анализировать снимки мгновенно без вмешательства пользователя», - рассказал основной исполнитель проекта, научный сотрудник ИТМО Валид Аль-Хайдри.
В отличие от специалиста, у которого на обработку изображения уходит около 1–2 часов, модель справляется за пару минут. Кроме того, для анализа модели достаточно снимка сердца в одной проекции, в то время как врачам может понадобиться несколько снимков в разных проекциях, а значит и больше времени на МРТ-исследование и его анализ.
Для сегментации миокарда и обнаружения фиброза авторы использовали нейросеть U-Net, а также каскадный алгоритм. Модель обучили на изображениях сердца, размеченных экспертами вручную, а также базе данных из постинфарктных МРТ-снимков сердца 250 пациентов.
Разработчики добились точности, при которой результат алгоритма совпадает с мнениями двух экспертов в 86% и 77% случаев. Авторы считают это высоким показателем: обычно межэкспертное согласие составляет порядка 80%, то есть модель работает примерно на уровне человека.
На основе данных о локализации и количестве фиброза врачи смогут быстро и точно прогнозировать осложнения для функции сердца и исходы заболеваний, в динамике наблюдать состояние сердца и разрабатывать более эффективную стратегию лечения. В перспективе алгоритм можно использовать не только для обработки МРТ-снимков, но и адаптировать для изображений, получаемых с помощью компьютерной томографии.
«Мы не просто берем большие наборы данных и обучаем на них нейросеть выполнять рутинную работу - мы предлагаем врачам инструмент, который сможет решать сложные задачи на уровне опытного специалиста и позволит получать больше информации о связи локализации фиброза с другими параметрами сердца», - подчеркнула руководитель проекта, старший научный сотрудник физического факультета Екатерина Бруй.
«Эта разработка является еще одним значимым вкладом петербургских ученых в решение актуальных практических задач, способствующих инновационному развитию нашего города и страны, – подчеркнул вице-губернатор Санкт‑Петербурга Владимир Княгинин. – Университет ИТМО – один из наших ключевых партнеров в реализации научно-технологических инициатив как на региональном, так и на федеральном уровне. Только в этом году в рамках стратегической программы «Приоритет 2030» университет, занимающий лидирующие позиции среди 119 участвующих в ней вузов страны, привлечет из федерального бюджета 1 млрд рублей на развитие своих проектов, в том числе в сфере искусственного интеллекта».
