Подведены итоги первого года работы НУГ
Что было сделано за первый год работы над проектом
-
Шаг 1: Разработка архитектуры системы
Собянин К.В. разработал архитектуры системы для автоматического определения этиологии криптогенного инсульта
-
Шаг 2: Модель сегментации очагов
Была разработана Лукиным С.О. модель сегментации очагов ишемического инсульта на МРТ снимаках с использованием сверточных нейросетей U-net
-
Шаг 3: Алгоритм предварительной обработки входных данных
Под руководством Русаковой Е.И. был разработан алгоритм предварительной обработки входных данных, содержащих фотографии МРТ снимков пациентов, с целью их адаптации к требованию искусственной нейронной сетки
-
Шаг 4: ETL-процесс обработки сообщений пользователя
Лобастова М.А. разработала и реализавала ETL-процесса обработки сообщений пользователя, содержащих фотографии МРТ снимков пациентов с ишемическим инсультом неизвестной этиологии
-
Шаг 5: Тестирование работы системы
Под руководством Мелентьевой А.А. был осуществлен сбор и подготовка набора МРТ снимков с различными искажениями и тестирование устойчивости работы системы автоматического определения этиологии криптогенного инсульта на созданном датасете
-
Шаг 6: Представление результатов работы модели
Проскурякова Д.В. разработала модуль для представления результатов работы модели машинного обучения, осуществляющей автоматическое определения этиологии криптогенного инсульта, конечному пользователю
-
Шаг 7: Обучение модели
Была осуществлена предобработка, описание и оценка качества МРТ снимков в ручном режиме с целью их дальнейшего использования для обучения автоматических подходов Кузьмичевой Е.В.
Помимо этого
- Собянин К.В., Куликова С.П. разработали, реализовали и протестировали на открытых клинических данных оригинальную мультизадачная архитектура Unet-boosted classifier, которая позволяет не только выделять границы очага поражения, но и оценивать вероятность принадлежности очага к одному из заранее заданных классов. Данная архитеркура и точность её работы подробнее описана в исследовании Собянина К. В. Куликова С. П. “Unet-boosted classifier — мультизадачная архитектура для малых выборок на примере классификации мрт снимков головного мозга.” // Информатика и автоматизация (Труды СПИИРАН). 2023. Т. -. № -. С. ---. (на рецензии)
- Полякова И.Ю, Кузьмичева Е.В. провели сравнение эффективности различных подходов к задаче обнаружения объекта на изображениях низкого качества (таких, как например, фотография монитора компьютера с изображением МРТ снимка). В результате в качестве наиболее подходящего подхода была определена сетевая архитектура на основе EfficientDet. Детали сравнения и полученные результаты описаны в работе Поляковой И. Ю. И Кузьмичевой Е. В. “Сравнение эффективности применения различных подходов в задаче детекции объекта на изображении низкого качества” // Научная визуализация. 2023 (на рецензии).
- Для улучшения точности работы алгоритмов классификации была продолжена работа по сбору и ручному аннотирования МРТ снимков головного мозга. Этим занялись Кузьмичева Е.В., Полякова И.Ю, Лобастова М.А., Русакова Е.И.
- Был проведен анализ факторов Куликовой С.П., при участии Кузьмичевой Е.В. и Поляковой И.Ю, влияющих на годовую выживаемость пациентов с ишемическим инсультом, госпитализированных на базе ГКБ№4 г.Пермь. Помимо данных МРТ, в число важных значимых факторов вошли показатели сердечной деятельности, данные клинического анализа крови и неврологические показатели тяжести инсульта. Так как значения этих факторов может отражать этиологию инсульта (например, вовлеченность передней хороидальной артерии с большей вероятностью связана микроангиопатией, чем с атеросклерозом), то в дальнейших исследованиях мы рассматриваем возможность дополнительного включения в модель этих параметров для улучшения качества её работы. Методология анализа и результаты представлены в работе Kulikova S., Polyakova I. Y., Kuzmicheva E., Kulesh А. А., Chazov S. Finding predictors of stroke survival. Evidence from the Perm region. // IRANIAN JOURNAL OF SCIENCE. 2023. Vol. -. No. -. P. ---. (на рецензии)