В России разработали веб-приложение для выявления опухолей головного мозга

Это приложение способно анализировать МРТ-снимки мозга с высокой точностью - 97,1%, и обнаруживать опухоли головного мозга.

Новое разработанное веб-приложение, созданное молодыми учеными из Первого МГМУ имени И.М. Сеченова, представляет собой инновационный инструмент для автоматического обнаружения новообразований на МРТ-снимках мозга. Оно использует методы компьютерного зрения для точного определения локализации опухоли и ее классификации. Такой подход направлен на улучшение диагностики опухолей головного мозга на ранних этапах и снижение нагрузки на рентгенологов", - подчеркнули представители пресс-службы.

Иван Симонович, выпускник магистратуры "Интеллектуальные информационные технологии в медицине" Передовой инженерной школы Сеченовского Университета, подчеркнул важность разработки новых ИИ-решений для автоматического выявления опухолей на снимках МРТ. Существующие бесплатные системы имеют ограничения, не позволяющие точно определить местонахождение опухоли, либо используют устаревшие модели.

Как отметил Иван, современные комплексные системы чаще всего являются коммерческими и используют закрытые нейросетевые архитектуры, что затрудняет доступ к ним в России. Более того, эти решения зачастую разработаны за рубежом, что создает дополнительные препятствия для медицинских учреждений страны.

Исходя из этой проблемы, Иван и его команда начали работу над созданием нового ИИ-решения, которое не только обнаруживает опухоль, но и точно определяет ее местоположение на снимках МРТ. Их целью является разработка открытой и доступной системы, которая сможет помочь медицинским учреждениям в России эффективнее диагностировать опухоли и повысить качество медицинского обслуживания.

В Сеченовском Университете было разработано веб-приложение с открытым исходным кодом, доступным на GitHub. Этот веб-сервис предназначен для хостинга IT-проектов и совместной работы над ними. В рамках проекта была обучена одна из самых современных открытых моделей YOLO v11.

Для обучения нейросетевой модели использовались более 5 тысяч стандартизированных изображений, собранных из открытых дата-сетов. Применение современных методов аугментации данных и проведение серии экспериментов позволили достичь точности детекции опухолей на уровне 97,1%. Это значительный успех, который подчеркивает значимость использования передовых технологий в медицинской сфере.

В университете отметили, что разработка и обучение модели нейронной сети были выполнены с высоким профессионализмом и вниманием к деталям. Этот проект стал ярким примером успешного внедрения современных технологий в медицинскую практику.

В медицинской сфере появился инновационный проект, который представляет собой веб-приложение способное обнаруживать опухоли, определять их местоположение и классифицировать новообразования. Это означает, что система может делать предположения о характере образования, например, определять, что это глиома, менингиома или аденома гипофиза.

Созданный прототип веб-приложения и серверное приложение с веб-интерфейсом уже готовы к демонстрации работы обученной модели в реальном времени. В дальнейших планах разработчиков - улучшение точности модели, добавление новых данных из российских рентгенологических лабораторий, усовершенствование серверного приложения для удобства медицинского персонала и публикация научной статьи.

Автор проекта подчеркнул, что целью данной разработки является не только обнаружение опухолей, но и предоставление врачам дополнительной информации о характере образований, что поможет им принимать более обоснованные решения в лечении пациентов.

В медицинской сфере появляются все более инновационные технологии, способные значительно улучшить процессы диагностики и лечения. Одной из таких технологий является обучение моделей искусственного интеллекта на анализ медицинских изображений. Недавно было объявлено о планах по расширению функционала приложения, которое сможет не только обнаруживать опухоли на МРТ-снимках, но и выявлять другие патологии головного мозга. Это значительно повысит точность и скорость диагностики, что в свою очередь приведет к более эффективному лечению пациентов.

Источник и фото - ria.ru