Главная » Яндекс Новости » Учёные научили ИИ распознавать опухоли печени у собак на КТ

Учёные научили ИИ распознавать опухоли печени у собак на КТ

Учёные из Университета Падуи (Италия) совместно с коллегами из Университета Кракова (Польша), Университета Пизы (Италия) и Antech Imaging Services (США) представили первую систему на основе искусственного интеллекта для автоматического распознавания очаговых поражений печени у собак по данным компьютерной томографии.

В анализ включили 200 КТ-исследований, проведённых в 2019–2023 годах   собакам с подозрением на опухоли печени. После отбора по критериям качества данных в выборку вошли 130 исследований для обучения и 45 для тестирования модели.

Эталонная разметка выполнялась вручную: специалисты обводили контуры очагов поражений на КТ-снимках, что в среднем занимало от 10 до 40 минут на одно исследование.

Для автоматической сегментации использовали фреймворк nnUNet v2. Тестировались четыре архитектуры:

  • 2D-модель (анализ отдельных срезов);
  • 3D-модель;
  • каскадная 3D-модель, совмещающая низкое и высокое разрешение;
  • комбинированные варианты.

Результаты

Наилучшие результаты показала каскадная 3D-модель: коэффициент совпадения (Dice similarity) составил 0,86 (почти полное совпадение разметки алгоритма и специалиста), а показатель ASSD — 2,7 мм, что отражает среднюю разницу между границами очага, выделенного человеком и алгоритмом.

3D-визуализация, показывающая сравнение наиболее точной и наименее точной сегментации модели (a) 3D-реконструкция оптимального предсказания; (b) 3D-реконструкция наименее точного предсказания; (c) 2D-срез из оптимального предсказания; (d) 2D-срез из наименее точного предсказания. Изображение: frontiersin.org

Точность алгоритма зависела от размера образований: обширные очаги определялись с большей достоверностью, а при небольших — точность определения снижалась. Тем не менее, именно при наличии крупных опухолей автоматизация экономит больше всего времени, поскольку ручная сегментация в таких случаях наиболее трудоёмка.

Выводы

Авторы отмечают, что применение подобных ИИ-инструментов может значительно ускорить постановку диагноза, повысить объективность оценки и упростить планирование терапии, включая химиотерапию и малоинвазивные методы лечения. Модель нуждается в дальнейшей проверке на расширенных массивах данных, но её потенциал для ветеринарной практики очевиден.

Источник: frontiersin.org

Разработка и продвижение сайтов webseed.ru