神经网络帮助医生检测大脑中引起癫痫的畸形
![Credit: Pixabay/CC0 Public Domain 神经网络](https://scx1.b-cdn.net/csz/news/800a/2021/neural-network.jpg)
Skoltech的研究人员及其来自Pirogov国家医疗和外科中心和Kulakov国家妇产科和围产期医学研究中心的同事,使用卷积神经网络在MRI图像中自动检测局性皮质发育不良,这是癫痫的一种常见原因。ob欧宝直播nba这一发现可能有助于医生更快、更准确地诊断这种疾病。该论文在认知科学国际会议(Intercognsci 2020)上发表。
局灶性皮质发育不良(FCD)是一种先天性的大脑皮层发育畸形,当特定区域的神经元不能正常组织时。它是引起癫痫的最常见的脑部病变之一,通常由放射科医生检查患者大脑的核磁共振扫描来诊断。
由Skoltech教授Alexander Bernstein, Evgeny Burnaev和高级研究科学家Maxim Sharaev领导的团队决定增强现有的深度学习基于FCD的自动检测方法。在临床合作伙伴的帮助下,他们得到了确诊患者的标记核磁共振扫描,以及健康受试者的训练和使用卷积神经网络他们使用卓尔超级计算集群进行计算。
“检测癫痫的来源是一项非常困难的任务,需要特殊的技能。不幸的是,具有相关重要实践经验并接受过寻找此类异常的训练的放射科医生严重短缺。因此,对癫痫区域的不准确检测可能导致低效的外科手术计划,”Sharaev说。
使用深度cnn来完成这项任务的例子只有几个,研究人员必须解决的最大问题之一是缺乏注释数据和其低质量。“为了克服这个问题,我们开发了自己的标记系统,帮助放射科医生注释MRI图像。另一个问题是MR图像的三维性质,所以在这里我们提出了几个解决方案来处理3D数据及其2D平面投影,”Burnaev解释道。
作者写道,在模型的最佳配置中,15个受试者中有11个成功检测到FCD区域。“这是第一个例子,对我们的方法进行了概念验证。需要做很多工作来提高模型质量、鲁棒性和相关的东西。只有在这些问题得到解决之后,我们才能考虑将我们的神经网络应用于临床。”
现在,该团队正在与临床合作伙伴合作,以获得更多数据来训练和验证模型,同时研究不同的机器学习和深度学习架构。Burnaev说:“例如,现在我们的一些博士生正在开发新的面向网格和点云技术,以从3D MRI数据中提取异常。”
科学家们还在进行一个创业项目——他们的基于网络的核磁共振分析平台已经在测试中,可以帮助放射科医生检测扫描中的异常。他补充说:“与此同时,我们正在研究更复杂的方法,比如当前论文中讨论的方法,这可能会导致一个更精确的MRI分析和检测大脑异常的自动系统。”