Новая система для анализа КТ грудной клетки позволяет обнаруживать поражения коронавирусом
18:00
03.12.2021
Алгоритм был протестирован в 79 томах и 110 разделах КТ, обнаруживших инфекцию COVID-19, полученных в трех репозиториях изображений с открытым доступом.
[caption id="attachment_253807" align="aligncenter" width="960"]
Некоторые недавно опубликованные исследования «показывают, что алгоритмы глубокого обучения и компьютерного зрения достигли большой точности. Фото: Pixabay[/caption]
Новая автоматизированная система, включающая технологию глубокого обучения, позволяет обнаруживать поражение COVID-19 с помощью анализа компьютерной томографии (КТ). Эта система, описанная в исследовании, опубликованном в журнале « Компьютеры в биологии и медицине» , была проведена исследователями из UB, Технологического центра EURECAT Каталонии и Центра компьютерного зрения (CVC), пишет medicalxpress.com.
Исследование «позволило нам проверить эффективность системы в качестве вспомогательного инструмента для принятия решений специалистами в области здравоохранения в их задаче обнаружения COVID-19, а также для измерения тяжести, распространения и эволюции пневмонии, вызванной SARS- CoV-2 в среднесрочной и долгосрочной перспективе », - отмечает главный исследователь исследования Джузеппе Пеццано, исследователь из UB и подразделения цифрового здравоохранения EURECAT.
В частности, работа системы состоит из «первой фазы сегментации легких с компьютерной томографией для уменьшения области поиска», - говорит Пеццано. «Затем используется алгоритм для анализа области легких и обнаружения наличия COVID-19. Если результат положительный, изображение обрабатывается для определения участков, пораженных болезнью», - добавляет он.
Алгоритм был протестирован в 79 томах и 110 разделах КТ, обнаруживших инфекцию COVID-19, полученных в трех репозиториях изображений с открытым доступом. Исследователи достигли средней точности сегментации поражений, вызванных вирусом, около 99%, без ложных срабатываний во время идентификации.
В методе используется инновационный способ расчета маски сегментации медицинских изображений, который дал хорошие результаты при сегментации узелков на томографических изображениях.
Некоторые недавно опубликованные исследования «показывают, что алгоритмы глубокого обучения и компьютерного зрения достигли большей точности, чем обнаружение рака на маммограммах, прогнозирование инсультов и сердечных приступов», - отмечает Петя Радева, профессор кафедры математики и компьютерных наук УБ. Мы не могли остаться в стороне, и поэтому мы работали над этой технологией, чтобы помочь врачам бороться с COVID-19, предлагая им высокоточные данные для анализа медицинских изображений объективным, прозрачным и надежным способом », - добавляет эксперт, также возглавляющий Объединенной исследовательской группы по компьютерному зрению и машинному обучению Университета Калифорнии и главным научным сотрудником Центра компьютерного зрения.
«Этот тип автоматизированной системы представляет собой важный инструмент для медицинских работников, позволяющий ставить более надежные и точные диагнозы, поскольку может предоставить информацию, которую человек не может измерить», - подчеркивает Оливер Диас, преподаватель кафедры математики и компьютерных наук УБ.
По словам Висента Рибаса, руководителя направления исследований в области анализа медицинских данных в подразделении цифрового здравоохранения EURECAT: «Точность этого инструмента, показанная результатами исследования, открывает двери для его использования в других приложениях здравоохранения, в этой области что использование искусственного интеллекта становится все более полезным".
Некоторые недавно опубликованные исследования «показывают, что алгоритмы глубокого обучения и компьютерного зрения достигли большой точности. Фото: Pixabay[/caption]
Новая автоматизированная система, включающая технологию глубокого обучения, позволяет обнаруживать поражение COVID-19 с помощью анализа компьютерной томографии (КТ). Эта система, описанная в исследовании, опубликованном в журнале « Компьютеры в биологии и медицине» , была проведена исследователями из UB, Технологического центра EURECAT Каталонии и Центра компьютерного зрения (CVC), пишет medicalxpress.com.
Исследование «позволило нам проверить эффективность системы в качестве вспомогательного инструмента для принятия решений специалистами в области здравоохранения в их задаче обнаружения COVID-19, а также для измерения тяжести, распространения и эволюции пневмонии, вызванной SARS- CoV-2 в среднесрочной и долгосрочной перспективе », - отмечает главный исследователь исследования Джузеппе Пеццано, исследователь из UB и подразделения цифрового здравоохранения EURECAT.
В частности, работа системы состоит из «первой фазы сегментации легких с компьютерной томографией для уменьшения области поиска», - говорит Пеццано. «Затем используется алгоритм для анализа области легких и обнаружения наличия COVID-19. Если результат положительный, изображение обрабатывается для определения участков, пораженных болезнью», - добавляет он.
Алгоритм был протестирован в 79 томах и 110 разделах КТ, обнаруживших инфекцию COVID-19, полученных в трех репозиториях изображений с открытым доступом. Исследователи достигли средней точности сегментации поражений, вызванных вирусом, около 99%, без ложных срабатываний во время идентификации.
В методе используется инновационный способ расчета маски сегментации медицинских изображений, который дал хорошие результаты при сегментации узелков на томографических изображениях.
Некоторые недавно опубликованные исследования «показывают, что алгоритмы глубокого обучения и компьютерного зрения достигли большей точности, чем обнаружение рака на маммограммах, прогнозирование инсультов и сердечных приступов», - отмечает Петя Радева, профессор кафедры математики и компьютерных наук УБ. Мы не могли остаться в стороне, и поэтому мы работали над этой технологией, чтобы помочь врачам бороться с COVID-19, предлагая им высокоточные данные для анализа медицинских изображений объективным, прозрачным и надежным способом », - добавляет эксперт, также возглавляющий Объединенной исследовательской группы по компьютерному зрению и машинному обучению Университета Калифорнии и главным научным сотрудником Центра компьютерного зрения.
«Этот тип автоматизированной системы представляет собой важный инструмент для медицинских работников, позволяющий ставить более надежные и точные диагнозы, поскольку может предоставить информацию, которую человек не может измерить», - подчеркивает Оливер Диас, преподаватель кафедры математики и компьютерных наук УБ.
По словам Висента Рибаса, руководителя направления исследований в области анализа медицинских данных в подразделении цифрового здравоохранения EURECAT: «Точность этого инструмента, показанная результатами исследования, открывает двери для его использования в других приложениях здравоохранения, в этой области что использование искусственного интеллекта становится все более полезным".
Выбор редакции
