DOI: https://doi.org/10.22263/2312-4156.2024.4.94
О.Н. Дудич1, В.С. Осипович2, В.Л. Красильникова1
Разработка программного средства на основе сверточной нейронной сети для обработки данных мультиспиральной компьютерной томографии орбиты
1Институт повышения квалификации и переподготовки кадров здравоохранения УО «Белорусский государственный медицинский университет», г. Минск, Республика Беларусь
2Белорусский государственный институт информатики и радиоэлектроники, г. Минск, Республика Беларусь
Вестник ВГМУ. – 2024. – Том 23, №4. – С. 94-104.
Резюме.
В статье представлены результаты исследований по разработке и реализации в виде программного средства для расчета объема костной и мягкотканной орбиты, дистопий глаза. Для достижения поставленной цели было использовано глубокое обучение нейронной сети Mask R-CNN. Определяющим моментом в обучении нейросети является определение биомаркеров – основных элементов орбиты, на которые должна обращать свое внимание нейросеть. Основными биомаркерами являлись: костные структуры орбиты, глазное яблоко, экстраокулярные мышцы и смещенная ретробульбарная клетчатка. От точности и правильности выбора биомаркеров зависят дальнейшие возможности искусственного интеллекта правильно их оценивать и интерпретировать. Установлено, что погрешность расчета объемов глазницы по результатам разметки нейронной сети с объемами орбит, рассчитанными по результатам ручной разметки, не превышает 8%. Разработанное программное средство на основе сверточных нейронных сетей показало хорошие результаты по автоматическому расчету основных анатомо-топографических параметров глазницы и может использоваться в клинической практике при оценке результатов хирургического вмешательства по реконструкции тонких костей орбиты.
Ключевые слова: мультиспиральная компьютерная томография, перелом орбиты, 3D модель, DICOM изображения, нейронные сети.
Литература
1. Рентгеновская компьютерная томография для оценки эффективности хирургической реконструкции посттравматических дефектов и деформаций глазницы / О. В. Левченко [и др.] // Нейрохирургия. 2014. № 1. С. 29–33.
2. Левченко, О. В. Безрамная навигационная система для хирургического лечения посттравматических дефектов и краниоорбитальных деформаций / О. В. Левченко, В. М. Михайлюков, Д. В. Давыдов // Нейрохирургия. 2013. № 3. С. 9–14. doi: 10.17650/1683-3295-2013-0-3-9-14
3. Давыдов, Д. В. МСКТ-диагностика и планирование хирургического лечения при травмах и посттравматических деформациях стенок глазниц / Д. В. Давыдов, Д. А. Лежнев, Д. И. Костенко // Доктор.Ру. Гастроэнтерология. 2016. № 1. С. 116–120.
4. Стучилов, В. А. Оптимизация диагностики и хирургического лечения больных при переломах глазницы : пособие для врачей / В. А. Стучилов, А. А. Никитин. Москва, 2015. 36 c.
5. Масалитина, Н. Н. Применение автоматизированного классификатора результатов компьютерной томографии для построения геометрической модели позвонка человека / Н. Н. Масалитина, К. С. Курочка // Докл. БГУИР. 2017. Т. 105, № 3. С. 12–19.
6. Пластина Рыбальченко для реконструкции повреждённых костных структур скулоглазничноверхнечелюстного комплекса и способ реконструкции повреждённых костных структур скулоглазничноверхнечелючсного комплекса с её использованием : пат. 2202302 Рос. Федерация : МПК A 61 B 17/80, A 61 B 17/56, A 61 F 2/28 / Рыбальченко Г. Н. ; заявитель и патентообладатель Закрытое акционер. о-во «КОНМЕТ Инкорпорейтед». № 2000125015/14 ; заявл. 04.10.00 ; опубл. 20.04.03.
7. Способ изготовления индивидуализированного прецизионного имплантата для восполнения сложного субтотального полиоссального дефекта глазницы : пат. 2164392 Рос. Федерация : МПК A 61 F 2/28 / Шалумов А.-С. З. № 2000116451/14 ; заявл. 27.06.00 ; опубл. 27.03.01.
8. The DICOM Standard is managed by the Medical Imaging & Technology Alliance – a division of the National Electrical Manufacturers Association [Electronic resource]. Mode of access: https://www.dicomstandard.org/current/. Date of access: 21.08.2024.
9. Path Aggregation Network for Instance Segmentation [Electronic resource] / S. Liu [et al.] Mode of access: https://arxiv.org/pdf/1803.01534. Date of access: 21.08.2024.
10. Mask R-CNN – Inspect Weights of a Trained Model [Electronic resource]. Mode of access: https://github.com/matterport/Mask_RCNN/blob/master/samples/coco/inspect_weights.ipynb. Date of access: 21.08.2024.
11. Использование нейронных сетей в обработке медицинских изображений / А. А. Каракулько [и др.] // BIG DATA and Advanced Analytics = BIG DATA и анализ высокого уровня : сб. материалов VI Междунар. науч.-практ. конф., Минск, 20-21 мая 2020 г. : в 3 ч. Ч. 1 / редкол.: В. А. Богуш [и др.]. Минск : Бестпринт, 2020. С. 294–302. Каракулько, А. А. Медведев, О. С. Мороз, П. А. Дудич, О. Н. Красильникова, В. Л. Осипович, В. С. Яшин, К. Д.
Поступила 20.06.2024 г.
Принята в печать 28.08.2024 г.
Сведения об авторах:
О.Н. Дудич – к.м.н., доцент кафедры офтальмологии, Институт повышения квалификации и переподготовки кадров в здравоохранении УО «Белорусский государственный медицинский университет», https: //orcid.org/0009-0004-6554-3230,
e-mail: Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра. – Дудич Оксана Николаевна;
В.С. Осипович – к.т.н., доцент кафедры инженерной психологии и эргономики, Белорусский государственный институт информатики и радиоэлектроники, https://orcid.org/0000-0001-9658-2866
В.Л. Красильникова – д.м.н., профессор кафедры офтальмологии, Институт повышения квалификации и переподготовки кадров в здравоохранении УО «Белорусский государственный медицинский университет», https://orcid.org/0000-0002-5852-2616
