Ученые нашли способ повысить точность МРТ

Российские ученые нашли новый способ применения нейросети в медицине. По словам исследователей Самарского университета им. Королева, применение данной технологии повысит точность сканирования МРТ. Результаты исследования опубликованы в журнале Компьютерная оптика.

По словам ученых Самарского университета им. Королева, с помощью предложенной технологии можно будет прямо во время сеанса МРТ-сканирования обнаруживать помехи, вызванные движениями пациента. Сейчас измерение затрудняется фактом произвольных движений пациента в аппарате, их приходится учитывать вручную при постобработке данных.

Искусственные погрешности, также называемые артефактами-МРТ, часто затрудняют расшифровку томографии. Они вызывают движения пациента головой во время процедуры. Помехи могут послужить причиной досрочного прерывания сканирования из-за неточности результата.

"В существующей технологии артефакты движения отфильтровывают на стадии обработки данных МРТ-эксперимента при установлении объемов головного мозга к первому или среднему объему серии, используя преобразование твердого тела. Они включают три параметра смещения и три параметра вращения для каждого объема временной МРТ-серии", – рассказал старший преподаватель кафедры технической кибернетики, сотрудник Института искусственного интеллекта Самарского университета им. Королева Никита Давыдов.

По словам эксперта, работа в направлении создания технологии отслеживания помех во время процедуры МРТ ведется вузом с 2019 года, и к настоящему моменту уже завершена и реализована. В Самарском университете нейросети обучили обнаружению ступенчатых артефактов движения головы в фМРТ-данных и адаптировали к набору реальных данных.

"Сначала нейросетевая модель обучается на большом объеме синтетических данных, сгенерированных с параметрами, близкими к реальным, затем на небольшом количестве наборов реальных данных движения головы, соответствующих различным людям, и после этого модель уже работает с малой частью реальных данных, соответствующей конкретному эксперименту", – пояснил Давыдов. Подобный подход называется "метаобучением по малому количеству данных" и ранее уже был применен в задаче восстановления изображений в рамках исследований Института искусственного интеллекта.

Дальнейшая задача научного коллектива – повышение точности нейросетевой модели путем создания более близкой к реальным данным процедуры генерации синтетических данных. Следующим шагом для дальнейшего анализа станет возможность вычисления таких характеристик, как координаты, высоты, продолжительности аномалии, что позволит отсеивать число ложных срабатываний классификации.

Самарский университет им. Королева – участник российской государственной программы поддержки университетов "Приоритет-2030" национального проекта "Наука и университеты".

Источник: ria.ru
Изображение: stablediffusionweb.com