Вернуться в архив
Для цитирования
RU · Выпуск 4 · 2024
АВТОМАТИЗИРОВАННАЯ ДЕТЕКЦИЯ СНИЖЕНИЯ ПЛОТНОСТИ ТКАНИ ПРИ ОСТРОМ ИШЕМИЧЕСКОМ ИНСУЛЬТЕ НА ОСНОВЕ НЕКОНТРАСТНЫХ КТ-ИЗОБРАЖЕНИЙ С ИСПОЛЬЗОВАНИЕМ ГЛУБОКИХ НЕЙРОСЕТЕВЫХ МОДЕЛЕЙ В СИСТЕМЕ CEREBRA
Аннотация
Введение. Острая ишемия головного мозга (ишемический инсульт) остается одной из ведущих причин инвалидизации и летальности во всём мире. Неконтрастная компьютерная томография (NCCT) является стандартом первичной визуализации, однако ранние ишемические изменения («subtle» снижение плотности ткани) могут быть труднодоступны для визуального анализа. Целью настоящего исследования стало создание и оценка автоматизированной системы детекции зон сниженной плотности на КТ-изображениях с использованием глубоких нейросетевых моделей, интегрированной в платформу «Cerebra». Материалы и методы. В исследование включены 246 пациентов (127 мужчин и 119 женщин) с подтвержденным диагнозом острого ишемического инсульта. Средний возраст мужчин — 58,96 ± 8 лет, женщин — 62,15 ± 8 лет. Все КТ-исследования выполнялись на мультиспиральных сканерах (Fujifilm, GE, Hitachi, Siemens, UIH) по стандартным протоколам. Для автоматической сегментации зон сниженной плотности применялись каскадные модели на базе архитектуры U-Net (в частности, с энкодером EfficientNet B6), прошедшие обучение на размеченных данных, верифицированных тремя независимыми врачами-радиологами. Оценка результатов проводилась по метрикам Accuracy, Precision, Recall, F1-Score и коэффициенту Каппа. Результаты. В динамике с 2022 по 2024 год наблюдалось поэтапное улучшение показателей точности. Для 2024 года Accuracy составила 92,3%, F1-Score — 96,0%, Recall — 92,3%, а Precision достигла 100%. Коэффициент Каппа в 2023 году достиг 0,80, что свидетельствует о высоком согласии с экспертной оценкой. Анализ на разных моделях томографов показал, что алгоритм сохраняет высокую воспроизводимость (F1- Score от 88,8% до 100%) при варьировании технических условий. Обсуждение. Полученные данные подтверждают, что комплексное применение нормализации изображений (MNI-пространство), каскада глубоких нейронных сетей и консенсусной разметки трёх специалистов повышает точность раннего выявления ишемических изменений. Улучшения по годам связаны с расширением обучающей выборки и регулярным обновлением архитектуры моделей. Система «Cerebra» показала универсальность благодаря стабильным результатам на сканерах различных производителей. Заключение. Разработанная автоматизированная система детекции снижения плотности ткани способна существенно повысить диагностическую точность при остром ишемическом инсульте и сократить время принятия решений. Дальнейшее расширение выборки и межцентровая валидация позволят масштабировать данное решение в широкую клиническую практику.
Ключевые слова
ишемический инсультнеконтрастная КТснижение плотности тканиглубокое обучениеU-NetCerebraавтоматическая детекцияранняя диагностика
М. САЙФУЛЛАКЫЗЫ, А.С. ЖУСУПОВА, Е. К. ДЮСЕМБЕКОВ, Е. Т. МАХАМБЕТОВ, Р. М. КАСТЕЙ, Ж.Б. ДЮСЕМБАЕВА, Ж. Н. САГИМБАЕВ, М.К.УМУРЗАКОВА, И.Р. ФАХРАДИЕВ. АВТОМАТИЗИРОВАННАЯ ДЕТЕКЦИЯ СНИЖЕНИЯ ПЛОТНОСТИ ТКАНИ ПРИ ОСТРОМ ИШЕМИЧЕСКОМ ИНСУЛЬТЕ НА ОСНОВЕ НЕКОНТРАСТНЫХ КТ-ИЗОБРАЖЕНИЙ С ИСПОЛЬЗОВАНИЕМ ГЛУБОКИХ НЕЙРОСЕТЕВЫХ МОДЕЛЕЙ В СИСТЕМЕ CEREBRA. Вестник КазНМУ. 2024; 71(4). doi: 10.53065/kaznmu.2024.71.4.009