Учёные из ИТМО совместно с коллегами из НМИЦ имени Алмазова разработали новый алгоритм, который с помощью глубокого обучения позволяет быстро определять фиброз сердца. Этот алгоритм делит изображение сердца на 17 сегментов, а затем выявляет расположение и количество фиброзной ткани.
Разработка призвана облегчить работу врачей, которые сталкиваются со сложной задачей обработки МРТ-снимков. Она также позволит ускорить процесс подбора наиболее эффективной стратегии лечения инфаркта и других заболеваний сердца.
Сердечно-сосудистые заболевания являются одной из основных причин смертности во всем мире. Чтобы своевременно выявлять патологию, крайне важно проводить диагностику, включая обнаружение фиброза – рубцовой ткани, которая может образоваться после инфаркта миокарда (постинфарктный кардиосклероз) или инфекционных заболеваний. Магнитно-резонансная томография (МРТ) является одним из перспективных методов исследования сердца, поскольку она неинвазивна и использует неионизирующее излучение. Однако, чтобы точно измерить объем фиброза, рентгенологам требуется много времени. Они должны вручную определить примерный процент фиброзной ткани в каждом сегменте сердца и занести эту информацию в таблицу для построения 17-сегментной диаграммы. В среднем, обработка одной серии снимков занимает от одного до двух часов на одного пациента.
Одним из способов сократить время обработки снимков является использование нейросетей. Однако существующие модели, хотя и позволяют автоматизировать некоторые процессы, требуют ручного или полуавтоматического выделения области фиброза, что подразумевает участие рентгенолога. Поэтому перед учеными стоит задача автоматизировать процесс генерации 17-сегментных диаграмм сердца на основе МРТ-изображения. Чтобы ускорить и автоматизировать обработку МРТ-снимков сердца и быстро определять фиброз, ученые ИТМО совместно с НИМЦ имени 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 фиброзной ткани в каждом из них.
В отличие от специалиста, у которого на обработку изображения уходит около 1–2 часов, модель справляется с задачей за пару минут. Кроме того, для анализа модели достаточно снимка сердца в одной проекции, в то время как врачам может потребоваться несколько снимков в разных проекциях, что увеличивает время на МРТ-исследование и его анализ.
Для сегментации миокарда и обнаружения фиброза авторы использовали нейросеть U-Net, а также каскадный алгоритм. Модель была обучена на изображениях сердца, размеченных экспертами вручную, а также на базе данных постинфарктных МРТ-снимков из Дижонского университета. Выборка пациентов, чьи снимки были использованы, составила 250 человек. Разработчики добились высокой точности, при которой результат алгоритма совпадает с мнениями двух экспертов в 86% и 77% случаев. Авторы считают это высоким показателем: обычно межэкспертное согласие составляет около 80%, что означает, что 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, наблюдать за состоянием сердца в динамике и разрабатывать более эффективную стратегию лечения. В перспективе алгоритм можно будет использовать не только для обработки МРТ-снимков, но и адаптировать для изображений, получаемых с помощью компьютерной томографии.
«Жуковский.Life» запустил спецпроект «На защите Отечества», где рассказывает о достижениях промышленности, культурном коде России, которые формируют независимость государства.