Автор: 
Исследователи Сколтеха и их коллеги из Национального медико-хирургического центра им. Н.И. Пирогова и Национального медицинского исследовательского центра акушерства, гинекологии и перинатологии имени академика В.И. Кулакова использовали свёрточную нейронную сеть для автоматизации обнаружения на МРТ-изображениях фокальных кортикальных дисплазий – частой причины эпилепсии. С помощью полученных результатов можно будет быстрее и точнее диагностировать это заболевание. Свою работу учёные представили на Международной конференции по когнитивной науке (Intercognsci 2020).
Фокальная кортикальная дисплазия (ФКД) – врождённый порок развития коры головного мозга, связанный с тем, что в отдельной области коры нейроны не образуют упорядоченную структуру. ФКД – одно из наиболее распространённых поражений головного мозга, являющееся причиной развития эпилепсии. Для диагностики ФКД медики, как правило, используют МРТ-изображения головного мозга.
Группа исследователей под руководством профессора Сколтеха Александра Бернштейна, доцента Евгения Бурнаева, а также старшего научного сотрудника Максима Шараева, решила усовершенствовать существующий метод автоматизации обнаружения ФКД, основанный на глубоком обучении. С помощью размеченных МРТ-снимков головного мозга здоровых людей и пациентов с диагнозом «фокальная кортикальная дисплазия», учёные обучили и использовали свёрточную нейронную сеть для обнаружения ФКД. Ведущие рентгенологи медицинских центров-партнёров Сколтеха Олег Бронов, Владимир Быченко, Егор Сыркашев и Алексей Маринец осуществляли разметку данных и научно-медицинское консультирование по проекту. Вычисления проводились с использованием установленного в Сколтехе суперкомпьютера «Жорес».
«Выявление первопричины эпилепсии – крайне сложная задача, требующая специальных навыков. К сожалению, у нас существует острая нехватка специалистов-рентгенологов с большим опытом практической работы и специальными навыками, необходимыми для диагностики таких аномалий, а неточность в локализации очагов эпилепсии может привести к ошибкам при проведении хирургических операций», – рассказывает Максим Шараев.
«Известно всего несколько примеров, когда глубокие свёрточные нейронные сети использовали для решения данной задачи; при этом наиболее серьёзными проблемами, с которыми пришлось столкнуться учёным, оказались нехватка и низкое качество аннотированных данных. Для решения этих проблем мы разработали нашу собственную систему маркировки изображений, с помощью которой врач-рентгенолог может самостоятельно аннотировать МРТ-изображения. Ещё одна проблема – трёхмерный характер МРТ-изображений, поэтому мы предложили несколько решений для работы с трёхмерными данными и их двухмерными проекциями», – поясняет Евгений Бурнаев.
Как отмечают авторы, при наиболее эффективной конфигурации модели очаги ФКД были успешно обнаружены у 11 из 15 пациентов. «Уже можно говорить о том, что наши методы выдержали первое испытание (proof of concept), хотя нам ещё предстоит немало сделать для повышения качества, надёжности и других характеристик модели. Только после решения этих задач можно будет говорить о возможности реализации нашей нейронной сети в клинических условиях», – комментирует Максим Шараев.
В настоящее время учёные совместно с их коллегами из медицинских организаций работают над получением дополнительных наборов данных для обучения и проверки модели, а также исследуют различные варианты архитектуры машинного обучения и глубокого обучения. «Например, сейчас некоторые из наших аспирантов заняты разработкой новых технологий глубоких нейросетей для обработки данных, представленных в виде полигональных сетей, и обработки облаков точек для извлечения информации об аномалиях из трехмерных данных МРТ», – отмечает Евгений Бурнаев.
Учёные также ведут работу в рамках стартапа по созданию веб-платформы для анализа МРТ-изображений, которая уже находится на этапе тестирования на предмет использования в качестве вспомогательного средства диагностики аномалий на основе получаемых МРТ-изображений головного мозга. «Параллельно мы разрабатываем более сложные подходы, аналогичные представленному в статье, которые могли бы помочь в создании гораздо более точной автоматической системы анализа МРТ-изображений и обнаружения патологий развития головного мозга», – добавляет Бурнаев.
