Глубокое обучение ускоряет диагностику заболеваний печени у собак

В последнее время методы глубокого обучения активно внедряются в ветеринарную практику, значительно улучшая точность диагностики и повышая эффективность работы специалистов. Одним из таких прорывных направлений стало использование искусственного интеллекта для автоматической сегментации органов на медицинских изображениях, что особенно важно в ветеринарии, где традиционные методы, как правило, трудозатратны и требуют от специалистов высокой квалификации. В своём новом исследовании учёные из Университета Хоккайдо (Япония) предложили модель глубокого обучения, которая позволяет автоматически сегментировать печень у собак на КТ-изображениях.

Исследование охватывает анализ 221 КТ-скана, полученного из клиники Университета Хоккайдо. Учёные разделили полученные данные на два набора: один состоял из изображений нормальной анатомии печени, а другой включал как норму, так и изображения печени с патологиями. Для обучения и тестирования использовалась архитектура 3D U-Net, специально адаптированная для объёмных данных, таких как КТ. Модель продемонстрировала высокую точность, с коэффициентом Дайса (DSC) 0.926 для нормальных случаев и 0.929 для комбинированных случаев, что свидетельствует о высоком уровне точности сегментации.

При анализе печени в норме модель показывала отличные результаты, достигая почти идеального совпадения с ручной сегментацией, в то время как при сегментации изображений с патологическими образованиями, такими как печёночные массы, точность несколько снизилась, что связано с большей сложностью таких случаев. Тем не менее, модель показала стабильные результаты и для этих более сложных случаев, с DSC 0.924.

Исследователи уверены, что предложенный подход может существенно облегчить диагностику и лечение заболеваний печени у животных, таких как гепатомегалия, а также поможет в мониторинге послеоперационных изменений в печени, например, после хирургического вмешательства. В дальнейшем для улучшения работы модели и повышения её универсальности потребуется расширение базы данных, включение в неё большего количества случаев с патологическими изменениями в печени.

Источник: frontiersin.org

Подпишитесь прямо сейчас на наш телеграм-канал, чтобы следить за ветеринарными новостями.