Ученые СПбГЭТУ «ЛЭТИ» совместно с коллегами из Университета Джадавпур (Индия) создали ансамблевый метод сегментации МРТ-изображений головного мозга, который позволяет ускорить процесс исследования в области диагностики глиобластомы. Результаты исследования описаны в статье, опубликованной в Biomedical Signal Processing and Control.
Глиобластома составляет более 50% всех первичных опухолей ЦНС и характеризуется низкой выживаемостью пациентов. Для диагностики этой формы опухоли головного мозга используется МРТ, которая обеспечивает лучшую видимость структур мягких тканей и позволяет локализовать опухоли для планирования лечения, а затем оценить результаты терапии. Кроме того, результаты МРТ дают разные типы контрастных изображений, что позволяет четко различить на изображении ядро опухоли (самые активные клетки), некроз (мертвые клетки внутри ядра опухоли) и отек (скопление жидкости).
Дополнительную информацию, которая может заметно улучшить диагностику и лечение заболевания, можно получить с помощью сегментации опухоли на МРТ-изображениях. Однако ручная сегментация требует больших временных и трудозатрат. Обработку медицинских изображений значительно позволяет ускорить подход, основанный на машинном обучении. Обычно сегментация выполняется с использованием его классических методов, но в последнее время для повышения качества сегментации все чаще применяется глубокое обучение.
Авторы новой работы создали алгоритм сегментации трех видов патологических тканей опухоли (ядро, некроз и отек) на МРТ-снимках головного мозга, который повышает ее точность. Для использования этого метода достаточно загрузить изображение в модель, на выходе которой формируется трехмерное сегментирование опухоли. В перспективе метод может служить системой поддержки принятия врачебных решений, помогая извлекать дополнительную информацию из МРТ-изображения.
