Уведомления
Авторизуйтесь или зарегистрируйтесь, чтобы оценивать материалы, создавать записи и писать комментарии.
Авторизуясь, вы соглашаетесь с правилами пользования сайтом и даете согласие на обработку персональных данных.
Нейронные сети научились лучше искать сужения кровеносных сосудов
Международный коллектив ученых разработал алгоритм, который находит сужения кровеносных сосудов сердца на диагностических изображениях. В 94 процентах случаев модель верно определяет проблемные участки на картинке в реальном времени. Это поможет кардиологам автоматически выявлять зоны патологических изменений у пациентов с ишемической болезнью сердца во время коронарной ангиографии.
С результатами исследования, выполненного при поддержке гранта Российского научного фонда (РНФ), можно ознакомиться в журнале Scientific Reports. Ишемическая болезнь сердца — основная причина гибели среди населения развитых стран. Согласно статистике ВОЗ, от этого заболевания каждый год умирает около 17,5 миллионов человек.
Ключевым методом диагностики служит исследование проходимости сосудов сердца, называемое ангиографией. Чтобы понять, в каком состоянии находятся артерии, в них вводят раствор рентгеноконтрастного вещества и наблюдают за его распространением с помощью рентгеновского излучения. В местах, где кровь встречает препятствие в виде тромба или сужения сосуда, на снимках фиксируется ослабление потока.
При проведении ангиографии контраст движется слишком быстро и распределяется неравномерно. Кроме того, качество снимка часто бывает недостаточно информативным из-за насыщенности, шумов и разрешающей способности аппаратуры. Из-за этого врач, который проводит диагностику, может не заметить опасное сужение сосуда, называемое стенозом.
Сейчас в медицине широко используют возможности компьютерных программ для быстрого и точного анализа изображений, например снимков легких. Нейросеть — инструмент, похожий по принципу действия на человеческий мозг. Внутри нее есть множество нейронов, выполняющих простые математические операции с данными. На основании большого числа примеров нейросеть определяет, какие нейроны вносят больший вклад в получение результата, а какие — меньший. После такого процесса обучения, программа «запоминает» полученные закономерности и применяет их для новых, необработанных данных.
Российские ученые из Научно-исследовательского института комплексных проблем сердечно-сосудистых заболеваний (Кемерово) и Томского политехнического университета (Томск), совместно с коллегами из Университета Лидса (Лидс, Великобритания) протестировали восемь различных вариантов архитектур сверточных нейросетей, отличающихся количеством нейронов и связей между ними.
В качестве материала для обучения использовали более восьми тысяч изображений от 100 пациентов, обследовавшихся в кемеровском НИИ. На 80 процентах изображений врачи вручную обозначили участки со стенозами, и на основании этой выборки авторы работы обучили нейросети. Оставшиеся изображения были использованы для тестирования систем.
Сравнение параметров нескольких нейросетей показало, что самая точная нейросеть может анализировать по три картинки в секунду с точностью 95 процентов, а самая быстрая обрабатывает по 38 изображений в секунду с точностью 83 процента. Оптимальным вариантом оказалась нейросеть, за секунду анализирующая по десять снимков с точностью 94 процента. В зависимости от нужд оператора можно использовать как более быстрые, так и более точные модели.
«Данные исследования, помимо обнаружения стенозов, могут быть использованы для автоматизированной оценки степени поражений и гемодинамики артерий сердца. Архитектура нейросети и использованные методы машинного обучения позволили добиться 95-процентной точности при работе в реальном времени. В дальнейшем мы планируем разработать программу, чтобы направлять действия хирургов во время имплантации биопротеза клапана аорты», — поделился Евгений Овчаренко, кандидат технических наук, руководитель проекта по гранту РНФ, заведующий лабораторией новых биоматериалов Научно-исследовательского института комплексных проблем сердечно-сосудистых заболеваний (Кемерово).
В коллектив авторов работы вошли Владимир Ганюков, Кирилл Клышников, Антон Кутихин и Евгений Овчаренко из НИИ Комплексных проблем сердечно-сосудистых заболеваний, Ольга Гергет и Вячеслав Данилов из Томского политехнического университета и сотрудник Университета Лидса Алехандро Франжи.
Переход к паразитизму вызывает характерные изменения у самых разных существ. Авторы нового исследования узнали, как он повлиял на геномы растений, ставших «настолько паразитическими», что от них остался только клубень-химера с грибовидными соцветиями.
Долгое время ученые не могли понять, как среди бедной почвы бассейна Амазонки появились небольшие участки черной плодородной земли. Из нового исследования следует, что аборигены Америки создали их намеренно. Они целенаправленно собирали и перерабатывали органику, чтобы улучшить возделываемую почву.
Научный коллектив Института лингвистики и международных коммуникаций ЮУрГУ создал уникальный интернет-портал, представляющий собой большой банк данных об интерпретациях в русской лингвокультуре важных общечеловеческих ценностей и других ментальных категорий. Ученые исследовали ассоциации обывателей для таких ценностей, как «образование», «карьера», «Родина», а также для концепта «страх».
Переход к паразитизму вызывает характерные изменения у самых разных существ. Авторы нового исследования узнали, как он повлиял на геномы растений, ставших «настолько паразитическими», что от них остался только клубень-химера с грибовидными соцветиями.
Распространенное мнение о том, что подавление негативных мыслей может быть вредным и даже опасным для психического здоровья, признали ошибочным. К такому выводу пришли ученые из Кембриджского университета (Великобритания).
Долгое время ученые не могли понять, как среди бедной почвы бассейна Амазонки появились небольшие участки черной плодородной земли. Из нового исследования следует, что аборигены Америки создали их намеренно. Они целенаправленно собирали и перерабатывали органику, чтобы улучшить возделываемую почву.
Вопреки предсказаниям, кислород-28 оказался крайне неустойчивым. Физики не успели даже зарегистрировать такие ядра, хотя теоретически они должны быть дважды магическими, а значит — особенно стабильными.
Тотальная память — плохо для мозга. Чтобы детально запомнить событие, стоит о нем вспоминать как можно реже. Чем больше вы знаете по теме, тем больше новой информации вы запомните. Но если информации будет слишком много, то не вся она будет зафиксирована в мозге. Naked Science разбирается, как сегодня ученые, нейробиологи и психологи объясняют способности нашего мозга запоминать и учиться.
Исследователи из Швеции и Великобритания узнали, что «правило деревьев» да Винчи, который считал, что толщина всех веток дерева на любой его высоте, сложенная вместе, равна толщине ствола, ошибочно на микроуровне.
Вы попытались написать запрещенную фразу или вас забанили за частые нарушения.
ПонятноИз-за нарушений правил сайта на ваш аккаунт были наложены ограничения. Если это ошибка, напишите нам.
ПонятноНаши фильтры обнаружили в ваших действиях признаки накрутки. Отдохните немного и вернитесь к нам позже.
ПонятноМы скоро изучим заявку и свяжемся с Вами по указанной почте в случае положительного исхода. Спасибо за интерес к проекту.
ПонятноМы скоро прочитаем его и свяжемся с Вами по указанной почте. Спасибо за интерес к проекту.
Понятно
Комментарии