ПРИМЕНЕНИЕ МЕТОДОВ ГЛУБОКОГО ОБУЧЕНИЯ ДЛЯ ПОДДЕРЖКИ ВРАЧЕБНОГО РЕШЕНИЯ
ПРИ ЭНДОСКОПИЧЕСКОМ ИССЛЕДОВАНИИ ЖЕЛУДКА 

Антон Александрович Лебедев, аспирант, Ярославский государственный университет имени П. Г. Демидова (Россия, г. Ярославль, ул. Советская, 14), lebedevdes@gmail.com
Владимир Вячеславович Хрящев, кандидат технических наук, доцент, доцент кафедры инфокоммуникаций и радиофизики, Ярославский государственный
университет имени П. Г. Демидова (Россия, г. Ярославль, ул. Советская, 14) v.khryashchev@uniyar.ac.ru
Сергей Владимирович Кашин, кандидат медицинских наук, заведующий отделением эндоскопии, Ярославская областная клиническая онкологическая больница (Россия, г. Ярославль, пр-кт Октября, 67) s_kashin@mail.ru
Анастасия Сергеевна Среднякова, младший научный сотрудник Центра искусственного интеллекта и цифровой экономики, Ярославский государственный университет им. П. Г. Демидова (Россия, г. Ярославль, ул. Советская, 14) a.srednyakova2@uniyar.ac.ru
Евгения Максимовна Казина, младший научный сотрудник Центра искусственного интеллекта и цифровой экономики, Ярославский государственный университет им. П. Г. Демидова (Россия, г. Ярославль, ул. Советская, 14)  e.kazina2@uniyar.ac.ru

621.391

DOI

10.21685/2227-8486-2021-2-6 

Актуальность и цели. Исследуется возможность применения нейронных сетей глубокого обучения для анализа эндоскопических видеоизображений желудочно-кишечного тракта в режиме реального времени. Эндоскопические изображения являются сложными для автоматического анализа из-за разнообразия текстур исследуемой поверхности, широкого диапазона масштабов обрабатываемых изображений (используется оптическое увеличение до 115 крат), наличия бликов, применения узкоспектральных режимов. 
Материалы и методы. Собрана и размечена совместно с врачами Ярославской областной клинической онкологической больницей база изображений, извлеченных из 54 видеозаписей эндоскопических исследований, итоговый размер которой составил 5942 кадра. Для  сбора базы использовались эндоскопические аппараты OLYMPUS со следующими режимами работы: осмотр в белом свете и в узком спектре света, исследования без увеличения и с 65-кратным увеличением. Разрешение видеоизображений составляло 626×532 пикселей.
Результаты. Разработаны и исследованы нейросетевые алгоритмы детектирования патологий на эндоскопических изображениях желудка. Значение метрики mAP составило 0,771 для алгоритма на основе сверточной  нейронной сети SSD и 0,808 для алгоритма на основе сети RetinaNet. Проведено тестирование разработанных алгоритмов для различных классов эндоскопических изображений желудочно-кишечного тракта: «рак», «не рак», «иная патология». 
Выводы. Результаты тестирования подтверждают реализуемость и актуальность разработки систем поддержки принятия врачебных решений с использованием методов искусственного интеллекта в эндоскопической практике. 

Ключевые слова

глубокое обучение, сверточные нейронные сети, анализ эндоскопических изображений, системы поддержки принятия решения в эндоскопии

 Скачать статью в формате PDF

Лебедев А. А., Хрящев В. В., Кашин С. В. [и др.]. Применение методов глубокого обучения для поддержки врачебного решения при эндоскопическом исследовании желудка // Модели, системы, сети в экономике, технике, природе и обществе. 2021. No 2. С. 95–106. doi:10.21685/2227-8486-2021-2-6

Ссылка для цитирования на английском языке.