По данным ВОЗ, более полумиллиарда человек в мире переболели коронавирусной инфекцией. Опасное заболевание, отличающиеся высокой скоростью распространения, ставит перед медицинском сообществом вопрос о ранней диагностике и изолировании больного человека.
В настоящее время полимеразная цепная реакция является
стандартным диагностическим инструментом для пациентов с подозрением на коронавирусную инфекцию. Однако, как отмечается в ряде исследований, на выполнение анализа требуется время (4-6 часов на процедуру). Кроме того, возможны и ложноотрицательные результаты, особенно на ранних стадиях заболевания. Поэтому улучшение способов ранней диагностики продолжаются.
Визуализация легких с помощью рентгена или компьютерной томограммы оказывается полезной как дополнение к ПЦР-тестированию, так и для исключения ассоциированной с ковидом пневмонии. Исследователи и медработники систематизировали широкий спектр патологоанатомических данных, которые
идентифицируют пневмонию COVID-19 на изображениях.
Интерпретация результатов рентгенографии или КТ-снимка требует внимания высококвалифицированных специалистов. Им на помощь пришли исследователи петербургского Политеха.
Исследователи создали нейросеть, выявляющую признаки ковид-ассоциированной пневмонии на основе изображений компьютерной томографии.
Модель, основанная на сочетании ResNet, Convolutional Block Attention Module (CBAM), и новой сети AdjCNet, показала точность классификации 99,23%. Результаты работы опубликованы в научном журнале Biomedical Signal Processing and Control.
«Наша модель позволяет быстро и точно определить наличие COVID-19 или других видов пневмонии на КТ-снимках легких. Это может помочь врачам быстрее и точнее ставить диагнозы, что позволит снизить нагрузку на медицинский персонал.
От аналогов наша программа отличается, прежде всего, улучшенной точностью интерпретации», — отметил один из разработчиков нейросети, инженер Научно — технологического комплекса «Математическое моделирование и интеллектуальные системы управления» Научного центра мирового уровня «Передовые цифровые технологии» СПбПУ Диб Али.
При создании нейросети исследователи задействовали технологии глубокого обучения, включая ResNet (сеть с остаточными соединениями), модуль внимания CBAM и новую сеть AdjCNet, специализирующуюся на анализе оттенков серого в соседних областях изображения. Для обучения нейросети ученые воспользовались набором срезов компьютерной томографии COVID-19, полученных в разных странах. Он содержит более 7500 снимков легких, пораженных ассоциированной с коронавирусом пневмонией, более 2500 снимков легких с внебольничной пневмонией и почти 7000 снимков здоровых легких.
Результаты четырехкратной перекрестной проверки новой нейросети доказали ее точности и эффективность. По словам исследователь, модель имеет большой потенциал для точной и быстрой диагностики COVID-19 с использованием изображений компьютерной томографии.
Отдел по взаимодействию со СМИ Управления по связям с общественностью СПбПУ