Сегментация повреждений лёгких на КТ-снимках

Актуальность

На данный момент из-за коронавируса COVID-19 актуален вопрос определения повреждения легких пациентов в больших объемах и в кратчайшие сроки. Помочь решить данную проблему могут нейронные сети.

Цель

Создать программу, выделяющую места повреждений легких на КТ-снимке.

Задачи

1. Изучение технологии определения повреждений по КТ-снимкам.
2. Создание программы, выделяющей места повреждений легких на КТ-снимке.
3. Обучение нейронных сетей.
4. Создание удобного и простого интерфейса.

Оснащение и оборудование, использованное при создании работы

• Ноутбук с установленным на нем ПО (Python, Inobitec Web DICOM-Просмотрщик)
• Google Colaboratory – бесплатная интерактивная облачная среда для работы с кодом от Google, которая позволяет пользователям писать и выполнять произвольный код Python через браузер и особенно хорошо подходит для машинного обучения, анализа данных и обучения
• PyTorch – фреймворк машинного обучения для языка Python с открытым исходным кодом, созданный на базе Torch

Описание

Для решения поставленной задачи использовался искусственный интеллект (далее – ИИ), а точнее модели U-Net (нейронная сеть, предназначенная для сегментации изображений, первоначально, для биомедицинских изображений) на основе моделей EfficientNet -b5 и совмещенных EfficientNet -b5 и EfficientNet -b7, обученные на размеченных данных. На данный момент точность моделей по метрике Dice coefficient (коэффициент Дайса) составляет 0.85 и 0.82 соответственно.

Этапы выполнения работы:

1. Проверка тэгов DICOM-файла в программе Inobitec Web DICOM-Просмотрщик.
2. Преобразование в КТ-окно с размерами С=-200, W=2000.
3. Создание копии среза.
4. Работа с копией среза.

  a. Изменение размера на 512х512.
  b. Удаление всего кроме легких.
  c. Преобразование в формат массив с размерностью (3,512,512).
  d. Нормализация с параметрами ([-597.2, -597.2, -597.2], [517.26, 517.26, 517.26]).
  e. Предсказание повреждений.

  • Предсказание 2 моделями.
  • Вычисление среднего значения для каждого пикселя.
  • Округление до 0 или 1

  f. Обводка (cv2.delicate(np.ones((10, 10))).
  g. Изменение размера на изначальное.

5. Преобразование среза в *.rgb.
6. Наложение копии среза на срез.
7. Изменение тэгов DICOM-файла.
8. Добавление в архив.
9. Добавление в архив файла с информацией о процентном количестве повреждений и наличии у пациента с COVID-19.

Результаты работы/выводы

Создана программа, обладающая интуитивно понятным интерфейсом, способная быстро и эффективно определять повреждения легких на КТ-снимках.

Перспективы использования результатов работы

В будущем планируется улучшение точности используемых моделей, переход от текстовых файлов к dicom-тэгам, использование разработанной программы в медучреждениях.

Награды/достижения (в каких конкурсах и с какими результатами выставлялась ранее эта работа)

• Международная онлайн конференция Artificial Intelligence International Junior Contest (AIIJC) 2021 – победитель
• Открытая городская научно-практическая конференция «Наука для жизни» по направлению «Многообразие науки» 2022 – призер
• Открытая городская научно-практическая конференция «Курчатовский проект — от знаний к практике, от практики к результату» направление «Метод» 2022 – победитель