?
Localization in Medical Imaging: A Unified AI Approach for Ovaries, Follicles, and Vertebral Arteries
Технологии искусственного интеллекта (ИИ), активно развивающиеся в современной медицине, повышают скорость и качество оказания медицинской помощи. Данная статья преимущественно направлена на демонстрацию применения различных вариантов компьютерного анализа клинических изображений для решения практических задач повышения эффективности рутинной диагностики с использованием ретроспективного анализа, а также на показ потенциала его широкого внедрения (благодаря масштабируемости архитектуры) в практическое здравоохранение на примере анализа данных ультразвукового исследования (УЗИ) и магнитно-резонансной томографии (МРТ).
Это межуниверситетское исследование, его протокол проведён в соответствии с Хельсинкской декларацией, и протокол был одобрен локальным этическим комитетом Орловского государственного университета имени И. С. Тургенева (протокол № 25 от 16 ноября 2022 г.). Программное обеспечение разработано с использованием Python 3.7 и открытых нейросетевых моделей. Статистическая обработка включала оценку эффективности, для которой использовался IBM SPSS Statistics 20.0.
Ошибки детектирования при анализе 550 случаев УЗИ не превышали 6–8 % и были связаны с техническими трудностями, обусловленными качеством изображений. При исследовании 1030 МРТ-исследований только в 0,19 % случаев не удалось получить достоверные результаты анализа изображений. Различия в средних значениях размерных характеристик исследуемых сосудов составили 0,11–0,12 мм. Представлена эффективность ИИ в клинических задачах. Улучшение точности сегментации было достигнуто за счёт использования поэтапной оптимизации изображений на этапе обучения ИИ.
Эволюция технологий в медицине, направленная на цифровизацию и персонализацию, призвана улучшить качество и скорость изучения изображений в практической работе.