Автоматичне розпізнавання чистих і змішаних каменів за допомогою інтраопераційних ендоскопічних цифрових зображень
Згорткові нейромережі глибокого навчання здатні розрізняти морфологічні типи каменів нирок. Глибоке навчання - це метод, що підходить для тих областей, де необхідно аналізувати великий обсяг даних і потрібно людський інтелект. Використання глибокого навчання в якості інструменту машинного навчання і розпізнавання образів також стає важливим аспектом в області аналізу медичних зображень.
В даний час основні прикладні області аналізу медичних зображень включають сегментацію, класифікацію та виявлення аномалій з використанням зображень, створених за допомогою широкого спектра методів клінічної візуалізації. Щоб оцінити автоматичне комп'ютерне розпізнавання чистих і змішаних каменів, уролог з 20-річним досвідом интраоперационно і проспективно досліджував поверхню і зрізи всіх виявлених каменів в нирках.
Для створення анотованих наборів даних були зібрані і класифіковані морфологічні критерії для конкрементів, що складаються з оксалату кальцію моногідрату (COM / Ia), дигидрата (COD / IIb) і сечової кислоти (UA / IIIb). Сверточное нейросеть глибокого навчання (CNN) була налаштована для прогнозування складу як однокомпонентних ( «чистих»), так і змішаних каменів. Крім того, були побудовані грубі теплові карти, щоб точно визначити ключові області, ідентифіковані мережею. Дослідження включало 347 і 236 спостережень поверхні і розрізу каменю, відповідно. З усіх каменів близько 80% мали тільки один морфологічний тип, а близько 20% - два.
Найвища чутливість в 98% була отримана для типу «чистий IIIb / UA» з використанням зображень поверхні. Найбільш часто зустрічалася морфологічний тип «чистий Ia / COM»; він був правильно передбачений в 91% і 94% випадків з використанням зображень поверхні і розрізу каменів, відповідно. Змішаний тип каменів «Ia / COM + IIb / COD», Ia / COM був передбачений в 84% випадків з використанням зображень поверхні, IIb / COD - в 70% випадків і обидва - в 65% випадків. Що стосується типу каменів «Ia / COM + IIIb / UA», Ia / COM був передбачений в 91% випадків з використанням зображень перетину, IIIb / UA - в 69% випадків, і обидва - в 74% випадків. Таким чином, проведене дослідження демонструє, що глибокі згорткові нейромережі перспективні для визначення складу каменів в нирках по ендоскопічним зображенням, отриманим під час операції. Зібрані в клінічних умовах зображення поверхонь каменів і їх зрізів, проаналізовані нейромережею, надають цінну інформацію про морфології для комп'ютерної діагностики.
Estrade V. et al. Towards automatic recognition of pure & amp; mixed stones using intraoperative endoscopic digital images // BJU Int. BJU Int, 2021. P. bju.15515.