Математики ЧелГУ работают над эффективной методикой ранней диагностики рака груди

​Группа учёных Челябинского государственного университета под руководством профессора кафедры вычислительной механики и информационных технологий математического факультета ЧелГУ Виталия Кобера получила грант Российского научного фонда для создания высокоточной системы компьютерной диагностики патологий молочных желёз с использованием методов глубокого облучения. Проект осуществляется при сотрудничестве с Челябинским областным клиническим центром онкологии и ядерной медицины.

«Для облегчения задачи врачей по обнаружению патологий молочной железы на ранних стадиях, в настоящее время активно разрабатываются методы и алгоритмы для систем компьютерной диагностики, – поясняет Виталий Кобер. – Традиционный подход к созданию таких систем заключается в выборе и расчёте признаков интересующих объектов из исходных данных с последующим подбором модели для их классификации с помощью методов машинного обучения. Однако, несмотря на большие возможности по выбору признаков и классификаторов, при создании систем ранней диагностики до сих пор не используются нелинейные функции принятия решений. Именно поэтому многие известные алгоритмы оказываются неэффективными при обработке медицинских изображений. Разработка компьютерных систем диагностики патологий по цифровым маммограммам всё ещё находится на начальной стадии, и большинство предлагаемых подходов к созданию таких систем следуют двухэтапной схеме обнаружения на уровне пикселей и классификации на уровне локальных областей. Компьютерная диагностика превратилась в инструмент, помогающий радиологам быстро обнаруживать, локализовать и характеризовать подозрительные поражения груди, оценивать вероятность злокачественного образования и количественно оценивать риск рака. Другими словами, компьютерная диагностика используется радиологами в качестве «второго мнения» или инструмента подтверждения диагностического решения».

В последние годы учёными, в том числе специалистами в области информационных технологий ЧелГУ, были достигнуты значительные успехи в сложных задачах распознавания изображений благодаря применению глубоких нейронных сетей, которые объединяют в себе как выбор, расчёт признаков, так и классификацию, тем самым напрямую создавая функцию принятия решений.

«В рамках нашего проекта по гранту РНФ мы предлагаем использовать методы глубокого обучения и модель локальной энергии сигнала для решения всех трёх задач автоматической компьютерной диагностики: надёжного обнаружения, сегментации и классификации патологий молочной железы по цифровым маммограммам, – отмечает Виталий Кобер. – Для эффективной работы методов глубокого обучения требуется большой объём аннотированных данных. Размер открытых (доступных) баз данных маммографических изображений является небольшим. Поэтому в рамках проекта предполагается создать анонимную, аннотированную открытую для исследователей базу данных цифровых маммограмм, используя собственное оборудование, и дополнить её изображениями со всех доступных баз данных».

Отличительная особенность подхода, предлагаемого учёными ЧелГУ – использование обучающей выборки относительно небольшого размера, расширенной с помощью геометрических преобразований, предобучения глубоких сверточных нейронных сетей и классификации на основе кластеризации.

«Современные системы компьютерной диагностики способны выполнять отдельные этапы обработки маммограмм с хорошей точностью, но они всё ещё не способны выполнять полностью автоматическое обнаружение, сегментацию и классификацию патологий молочной железы с высокой точностью, – комментирует Виталий Кобер. – Более того, среднее число ложно-положительных ошибок лучших современных систем на одно полное исследование всё ещё является недопустимо высоким (больше 1.5). Мы ожидаем, что предложенные нами методы повысят точность (до 90 % и более) обнаружения, сегментирования и классификации патологий молочной железы по сравнению с современными методами и одновременно снизят уровень ложно-положительных предсказаний на одно исследование до уровня меньше единицы».

Научный коллектив, выполняющий проект, состоит из десяти человек и включает шесть преподавателей математического факультета, врача-рентгенолога Челябинского областного клинического центра онкологии и ядерной медицины, а также трёх студентов математического факультета ЧелГУ.

Виталий Кобер, помимо общего руководства проектом, отвечает за математическую обработку цифровой информации. Академик РАН, профессор математического факультета ЧелГУ Сергей Матвеев занимается алгоритмической маломерной топологией и математическим моделированием. На математическом моделировании динамических физических процессов специализируется профессор математического факультета ЧелГУ Олег Дементьев, а на вариационных методах фильтрации и восстановления изображений – доцент математического факультета ЧелГУ Артём Маковецкий. Сфера ответственности в проекте доцента математического факультета ЧелГУ Алексея Ручая – цифровая обработка изображений и их распознавание с применением глубоких нейронных сетей.

Старший преподаватель кафедры компьютерной безопасности и прикладной алгебры математического факультета ЧелГУ Константин Дорофеев занимается распознаванием изображений с применением глубоких нейронных сетей. В группу учёных, разрабатывающих диагностическую технологию, входит и научный сотрудник Челябинского областного клинического центра онкологии и ядерной медицины, практикующий врач-рентгенолог, имеющий обширный опыт в области практической цифровой маммографии Полина Гомина.

В рамках проекта на основе предлагаемых методов учёные разработают прототип высокоточной системы компьютерной диагностики патологий молочных желез.

Фото из открытых источников.