ИИ научился находить патологии на КТ без ручной разметки снимков

Специалисты Центра искусственного интеллекта МГУ имени М. В. Ломоносова разработали метод выявления патологий на снимках компьютерной томографии (КТ), который не требует разметки обучающих изображений для нейросетей. Об этом сообщили в пресс-службе вуза.

Метод основан на предположении, что патологические изменения встречаются значительно реже нормальных структур. Модель обучается определять участки изображения, статистически отличающиеся от нормальных структур КТ. Исследователи разработали систему Screener, которая использует методы самообучения для обработки медицинских изображений и изучает распределение признаков на уровне отдельных участков снимка. Для обучения модель использовала более 30 тысяч неразмеченных КТ-исследований.

Метод тестировался на четырех крупных наборах медицинских данных, включающих изображения с признаками рака легких, пневмонии, опухолей печени и почек. Предложенный подход показал более высокую точность по сравнению с существующими методами сегментации аномалий на КТ-изображениях.

Современные системы анализа медицинских изображений обычно обучаются на размеченных наборах данных, где заранее указано, какие именно патологии должна находить модель. Однако такие данные ограничены: в большинстве медицинских наборов размечены лишь отдельные заболевания, тогда как другие патологические изменения остаются без аннотаций. Новый метод может стать инструментом предварительного анализа медицинских изображений и способствовать созданию более универсальных систем ИИ для диагностики.