Двухэтапная модель ИИ точнее находит патологии мозга у новорождённых
Группа исследователей разработала двухэтапную систему глубокого обучения для автоматического выявления патологий головного мозга у новорождённых по данным магнитно-резонансной томографии (МРТ). Подход сочетает грубую локализацию аномалий с последующим уточнённым анализом, что…
Главное
- Двухэтапная архитектура повышает точность выявления патологий мозга у новорождённых.
- Модель снижает число ложноположительных результатов и лучше находит мелкие очаги.
- Система согласуется с оценками рентгенологов на клинических данных.
- Код и веса модели опубликованы в открытом доступе.
Группа исследователей разработала двухэтапную систему глубокого обучения для автоматического выявления патологий головного мозга у новорождённых по данным магнитно-резонансной томографии (МРТ). Подход сочетает грубую локализацию аномалий с последующим уточнённым анализом, что повышает точность диагностики.
Первый этап использует свёрточную нейронную сеть для быстрого сканирования всего изображения и выделения подозрительных областей. На втором этапе более детальная модель анализирует эти участки, классифицируя конкретный тип патологии. Такая иерархическая структура позволяет снизить количество ложноположительных результатов и улучшить чувствительность по сравнению с одноэтапными алгоритмами.
В тестах на клинических данных система продемонстрировала высокую согласованность с оценками врачей-рентгенологов. Особенно эффективно модель показала себя при выявлении мелких очагов ишемии и кровоизлияний, которые часто пропускаются при стандартном анализе. Авторы отмечают, что предложенный фреймворк может стать основой для вспомогательных диагностических инструментов в неонатологии.
Исследование опубликовано в открытом доступе, а код и обученные веса доступны в репозитории проекта.