Для поиска сужения кровеносных сосудов разработали нейросеть

Российские и британские ученые разработали алгоритм для поиска сужения кровеносных сосудов сердца на диагностических изображениях. В 94% случаев модель верно определяет проблемные участки в реальном времени. Разработка поможет кардиологам автоматически находить зоны патологических изменений у пациентов с ишемической болезнью сердца во время коронарной ангиографии. Статья опубликована в журнале Scientific Reports.

Согласно статистике ВОЗ, от ишемической болезни сердца каждый год умирает около 17,5 млн человек. Ключевой метод ее диагностики — исследование проходимости сосудов сердца, ангиография. В артерии вводят раствор рентгеноконтрастного вещества и наблюдают за его распространением с помощью рентгеновского излучения. Там, где кровь встречает тромбы или сужения сосуда (стенозы) на снимках фиксируется ослабление потока. Однако контраст движется слишком быстро и распределяется неравномерно. Кроме того, качество снимка часто бывает недостаточно информативным.

Сейчас в медицине широко используют компьютерные программы для быстрого и точного анализа изображений, например снимков легких. Нейросеть — алгоритм, внутри которого существует множество «нейронов», выполняющих простые математические операции. На основании большого числа примеров нейросеть определяет, какие параметры вносят наибольший вклад в получение результата, и запоминает закономерности, чтобы применять их к необработанным данным.

Поддержанные грантом Российского научного фонда ученые из Научно-исследовательского института комплексных проблем сердечно-сосудистых заболеваний (Кемерово), Томского политехнического университета совместно с коллегами из Университета Лидса протестировали восемь различных вариантов архитектур сверточных нейросетей, отличающихся количеством нейронов и связей между ними. Для обучения использовали более 8 тыс. изображений от 100 пациентов, обследовавшихся в кемеровском НИИ. На 80% изображений врачи вручную обозначили участки со стенозами. Оставшиеся изображения авторы использовали для тестирования систем.

Сравнение параметров нескольких нейросетей показало, что самая точная может анализировать по три картинки в секунду с точностью 95%, а самая быстрая обрабатывает по 38 изображений в секунду с точностью 83%. Оптимальным вариантом оказалась нейросеть, за секунду анализирующая по десять снимков с точностью 94%.

«Данные исследования, помимо обнаружения стенозов, могут быть использованы для автоматизированной оценки степени поражений и гемодинамики артерий сердца. Архитектура нейросети и использованные методы машинного обучения позволили добиться 95-процентной точности при работе в реальном времени. В дальнейшем мы планируем разработать программу, чтобы направлять действия хирургов во время имплантации биопротеза клапана аорты», — рассказал руководитель проекта по гранту РНФ, заведующий лабораторией новых биоматериалов Научно-исследовательского института комплексных проблем сердечно-сосудистых заболеваний Евгений Овчаренко.