Специалисты Сколковского института науки и технологий вместе с зарубежными коллегами разработали нейросеть, которая может находить аномалии на медицинских снимках, и предложили схему стандартизации этой задачи.
Поиск аномалий на изображениях — задача, актуальная для многих сфер, и в особенности для медицины. Существующим алгоритмам проще заметить разбитое стекло на фотографии автомобиля, чем первые признаки рака на рентгене легких.
«Медицинские снимки представляют сложность сразу по нескольким причинам. Во-первых, здесь аномальные случаи очень похожи на норму. Клетки есть клетки, и обычно требуется специально обученный эксперт, чтобы заметить, что что-то не так. Кроме того, примеров медицинских аномалий для обучения нейросетей всегда недостает. А машина лучше всего справляется с так называемой бинарной классификацией, когда есть два выраженных класса, каждый из которых хорошо представлен примерами для обучения. Кошки и собаки, грубо говоря», — рассказал руководитель исследования Дмитрий Дылов.
Нейросеть проверили на рентгенограммах грудной клетки и снимках гистологического исследования ткани для диагностики рака молочной железы, и она стабильно превосходила существующие аналоги. Тем не менее, величина преимущества и абсолютная точность колебались в зависимости от выборки изображений.
Кроме того, ученые предложили схему стандартизации подхода к обнаружению аномалий на медицинских снимках. По их словам, использованный подход можно распространить на медицинские снимки самых разных видов, поскольку решение адаптировано к природе таких снимков в целом: оно чувствительно к аномалиям малого масштаба и рассчитано на их малое количество в обучающей выборке.
Результаты работы опубликованы в научном журнале IEEE Access.