Ученые СПбГЭТУ «ЛЭТИ» совместно с коллегами из Университета Джадавпур (Индия) разработали уникальный ансамблевый метод анализа МРТ-изображений головного мозга. Этот прорывной подход открывает новые горизонты в диагностике глиобластомы, значительно ускоряя процесс исследований и повышая точность результатов.
Почему ранняя диагностика так важна?
Глиобластома — одна из самых агрессивных опухолей центральной нервной системы, на которую приходится более половины первичных патологий. Несмотря на сложности в лечении, своевременное выявление заболевания способно кардинально улучшить прогнозы для пациентов. Хотя причины возникновения глиобластомы до конца не изучены, среди ключевых факторов риска выделяют радиационное облучение и генетическую предрасположенность. Главная опасность кроется в бессимптомном течении на начальных стадиях, когда новообразование остается незамеченным даже при обследованиях.
МРТ как инструмент точной визуализации
Магнитно-резонансная томография уже сегодня играет ключевую роль в выявлении патологий мозга. Благодаря высокой четкости изображений мягких тканей, МРТ не только помогает определить локализацию опухоли для планирования терапии, но и оценить динамику лечения. Технология позволяет выделить три типа аномальных зон: активное ядро опухоли, участки некроза внутри него и зоны отека, что делает диагностику максимально детализированной.
Как искусственный интеллект меняет подходы в медицине
Ручная обработка снимков, занимающая до часа на каждый случай, требует значительных ресурсов и участия высококвалифицированных радиологов. Новый алгоритм на базе машинного обучения совершает настоящую революцию! Автоматическая сегментация МРТ-изображений не только экономит время, но и предоставляет врачам бесценные данные: точные размеры опухоли, ее структуру и динамику изменений. Это открывает возможности для персонализированной терапии и повышает эффективность лечения.
Будущее диагностики — в симбиозе технологий
Если классические методы машинного обучения стали первым шагом, то внедрение глубоких нейросетей вывело процесс на новый уровень. Инновационный ансамблевый подход объединяет лучшие практики, демонстрируя впечатляющие результаты в качестве сегментации. Благодаря международному сотрудничеству ученых, у человечества появляется мощный инструмент, способный спасти тысячи жизней через раннюю и точную диагностику.
«Вместе с индийскими партнерами нам удалось создать инновационный алгоритм для анализа МРТ-снимков, который точно выделяет три типа патологических тканей опухоли головного мозга — ядро, некроз и перифокальный отек. Ключевая идея — комбинация трех архитектур нейросетей с применением адаптивного подхода на основе нечеткой логики. Это позволяет гармонично объединять прогнозы каждой модели, учитывая степень их уверенности. Результаты впечатляют: средний показатель метрики Dice достиг 85,5%», — поделилась успехами Дария Андреевна Валенкова, инженер ИМЦ ФКТИ СПбГЭТУ «ЛЭТИ».
На первом этапе алгоритм стандартизирует данные МРТ, обеспечивая совместимость с любым оборудованием. Обработанные изображения поступают на вход трем нейросетевым моделям — SegResNet, UNETR и SwinUNETR. Каждая из них, благодаря уникальным особенностям архитектуры, генерирует собственные прогнозы с разным уровнем детализации.
Для формирования итоговой карты сегментации используется авторская методика рангового объединения. Две нелинейные функции динамически корректируют веса моделей: одна снижает влияние классов с низкой вероятностью, другая усиливает значимость уверенных прогнозов. Это решение превращает разнородные данные в согласованный результат, повышая надежность диагноза.
Финальный этап — взвешенное голосование, где каждый «голос» модели соответствует ее прогностической точности. Такой подход создает оптимальный баланс между архитектурами, обеспечивая рекордную точность сегментации даже в сложных случаях.
«Наша разработка предельно проста в использовании: загрузите МРТ-снимок — и система автоматически построит 3D-карту опухоли. Это настоящий прорыв для поддержки врачебных решений! Следующим шагом станет интеграция новых методов предобработки данных, что еще больше повысит точность прогнозов», — отметила Дария Валенкова.
Ученые уже работают над расширением функционала: в планах — автоматизация анализа количественных параметров опухоли. Это откроет новые возможности для персонализированной терапии и прогнозирования результатов лечения с беспрецедентной точностью.
Исследование реализовано в рамках государственного задания Министерства науки и высшего образования РФ (ФСЭО-2020-0002), объединив усилия международного коллектива ученых.
В команду проекта вошли яркие представители научного сообщества из СПбГЭТУ «ЛЭТИ». Активную роль в разработках играют молодые учёные: Ася Илезовна Льянова — аспирант кафедры автоматики и процессов управления и младший научный сотрудник кафедры радиотехнических систем. Значительный вклад также вносят опытные специалисты — Александр Михайлович Синица, старший научный сотрудник кафедры РС, и Дмитрий Ильич Каплун, доцент кафедры АПУ и ведущий научный сотрудник кафедры радиотехнических систем. Международное сотрудничество усиливает команду: к проекту присоединился профессор Университета Джадавпур Рам Саркар, чьи знания обогащают исследования.
Синергия молодой энергии и профессионального опыта создаёт идеальные условия для прорывных открытий. Учёные уверенно движутся к цели — разработке инновационных решений, способных изменить будущее медицинских технологий!
