26.04.2024
Подписывайтесь на Telegram-канал по ссылке

Российские учёные разработали нейросеть для диагностики МРТ-аппаратов

MRI Quality Control Algorithm Based

Специалисты Центра диагностики и телемедицины совместно с математиками Московского университета разработали новый метод контроля качества медицинских томографов, который позволит своевременно выявлять неисправности аппаратов МРТ в автоматическом режиме. Результаты работы были представлены в докладе на тему «Алгоритм контроля качества МРТ, основанный на анализе изображений с использованием свёрточных и рекуррентных нейронных сетей» на международной научной конференции «IEEE 35th International Symposium on Computer Based Medical Systems».

«На сегодня московским врачам-рентгенологам помогают множество цифровых сервисов, но мы всегда ищем возможности сделать лучевую диагностику ещё эффективнее. Для этого специалисты Центра предложили методику контроля МРТ по клиническим изображениям и обучили алгоритм, разработанный коллегами из МГУ для автоматизации процесса. Это позволит быстрее выявлять требующие дополнительного внимания технических специалистов томографы и, как следствие – снизить длительность простоя и стоимость ремонта. Системе ещё требуется дообучение и тестирование, но уже имеющиеся результаты говорят о целесообразности внедрения. Такой подход в перспективе может повысить качество лучевой диагностики столицы», – отметил директор Центра диагностики и телемедицины ДЗМ, главный специалист Москвы по лучевой и инструментальной диагностике Юрий Васильев.

Магнитно-резонансная томография – высокоточный метод трёхмерной визуализации внутренних органов без вредного ионизирующего облучения, всё более широко использующийся врачами-рентгенологами для точной постановки диагнозов. Новый метод контроля качества медицинских томографов был разработан во избежание поломок и простоя оборудования. В его основе находится технология машинного обучения.

Чтобы настроить нейросетевую модель, собирается выборка изображений МРТ с различных аппаратов, для которых точно известен результат контроля качества – исправен аппарат или нет. Алгоритм обучается различать изображения с исправных и неисправных аппаратов. Экспериментальная оценка на данных показала превосходство разработанной методики над аналогами по точности.

«Подобная технология имеет ряд преимуществ. Во-первых, экономится время рентгенолаборанта, которому необходимо вручную проводить оценку качества работы аппаратов. Эта процедура требует специальной подготовки, а также занимает некоторое время. Во-вторых, гарантируется регулярность контроля. Контроль качества работы оборудования должен проводиться ежедневно, в крайнем случае, еженедельно. Автоматический контроль качества изображений может проводиться в формате 24/7. Анализ одного трёхмерного изображения занимает меньше секунды, поэтому после проведения исследования система сразу отметит «подозрительные» изображения. Далее персонал сможет проанализировать полученную информацию и при необходимости вызвать техническую бригаду для ремонта или замены оборудования», – рассказала доцент кафедры интеллектуальных информационных технологий ВМК МГУ Ольга Сенюкова.