Ny MRI dia manana anjara toerana manan-danja amin'ny famantarana ny toe-javatra ara-pahasalamana goavana amin'ny ankizy, manomboka amin'ny tumora sy ny aretina neurodegenerative. Ny famantarana ny fampandrosoana tsy ara-pahasalamana amin'ny atidoha mandritra ny fahazazany dia afaka manoro hevitra ny fanafody voalohany izay mety hisorohana na hampihenana ny fiantraikany amin'ny toe-javatra toy ny aretina cerebrale. Na izany aza, ny fikarohana ireo marary tanora dia mitondra loza, satria ny dingana dia mitaky anesthesia ankapobeny. Izany no mahatonga ny dokotera mila fitaovana hanatsarana ny diagnosis, hampihenana ny loza, ary manao fanapahan-kevitra amin'ny fotoana Ny mpikaroka ao amin'ny Saint Petersburg State Pediatric Medical University dia niara-niasa tamin'ny Yandex School of Data Analysis (SDA) sy ny Yandex Cloud Center for Technologies and Society mba hanatsarana vahaolana AI ho an'ny fanombanana ny fampandrosoana ny atidoha amin'ny fanadihadiana MRI. Ny anarako dia Yulia Busygina, ary izaho no mpitarika tetikasa ao amin'ny Yandex Cloud. Miaraka amin'i Profesor Alexander Pozdnyakov, dia handray anao any ambadiky ny sehatra - ary hizara ny fomba namorona ny vahaolana AI, nianatra ny modely, ary nanandrana azy mba hahita ny fomba mifanaraka amin'ny toe-javatra tena izy. . Ny Nahoana ny MRI dia zava-dehibe ho an'ny ankizy Ny atidoha amin'ny zaza dia miova amin'ny haingana mahatalanjona, miova isan-kerinandro ho an'ny herinandro mandritra ny taona voalohany amin'ny fiainana. Fa tsy momba ny fitomboana fotsiny izany - ny atidoha ihany koa dia mandalo dingana manan-danja fantatra amin'ny ankapobeny amin'ny anarana hoe fampandrosoana atidoha. Ny myelination dia ny famoronana ny lipid-karena lamba manodidina ny fibre nerve, izay mampitombo ny lipid votoatin'ny ary mampihena ny rano. Ity dingana ity dia manomboka amin'ny volana fahadimy ny fiterahana ary mitohy amin'ny haingam-pandeha tanteraka mandra-pahatongan'ny roa taona manodidina. Ny mielination mahasoa dia mamela fifandraisana haingana sy azo antoka eo amin'ny neurons amin'ny taona vitsivitsy. Raha mitombo lavitra noho ny eritreretana ny atidoha, dia mety hitarika ny fahatarana amin'ny fampandrosoana. Ny atidoha olombelona dia rafitra sarotra izay mitaky ny fiheverana tsara avy amin'ny andro voalohany ny fiainana. Ny aretina dia mety hitranga raha ny fitomboan'ny atidoha dia lava na haingana loatra. Ankoatra izany, ny fahasamihafana dia mihoatra noho ny fitomboan'ny. Amin'ny toe-javatra sasany, ny habetsahan'ny atidoha dia mitoetra tsy miova raha miova ny haavo. Na mielination dia tsy mahazatra na haingana loatra (hypermyelin — Alexander Pozdnyakov, MD, mpampianatra sy mpitantana ny Departemantan'ny Biophysics Medical, St Petersburg State Pediatric Medical University. Ny myelination dia ny famoronana ny lipid-karena lamba manodidina ny fibre nerve, izay mampitombo ny lipid votoatin'ny ary mampihena ny rano. Ity dingana ity dia manomboka amin'ny volana fahadimy ny fiterahana ary mitohy amin'ny haingam-pandeha tanteraka mandra-pahatongan'ny roa taona manodidina. Ny mielination mahasoa dia mamela fifandraisana haingana sy azo antoka eo amin'ny neurons amin'ny taona vitsivitsy. Raha mitombo lavitra noho ny eritreretana ny atidoha, dia mety hitarika ny fahatarana amin'ny fampandrosoana. Ny atidoha olombelona dia rafitra sarotra izay mitaky ny fiheverana tsara avy amin'ny andro voalohany ny fiainana. Ny aretina dia mety hitranga raha ny fitomboan'ny atidoha dia lava na haingana loatra. Ankoatra izany, ny fahasamihafana dia mihoatra noho ny fitomboan'ny. Amin'ny toe-javatra sasany, ny habetsahan'ny atidoha dia mitoetra tsy miova raha miova ny haavo. Na mielination dia tsy mahazatra na haingana loatra (hypermyelin — Alexander Pozdnyakov, MD, mpampianatra sy mpitantana ny Departemantan'ny Biophysics Medical, St Petersburg State Pediatric Medical University. Ny zazakely amin'ny myelination tsy mahazatra dia manana loza lehibe kokoa amin'ny fampandrosoana ny aretina cerebrale. Ny aretina cerebrale dia iray amin'ireo antony lehibe indrindra amin'ny tsy fahampian'ny fahasalamana izay mahatonga ny 2-3 amin'ny 1000 zaza vao teraka. Ny fanaraha-maso ny fahasalaman'ny atidoha ao anatin'ny enim-bolana voalohany amin'ny fiainana dia mety ho manan-danja ho an'ny fanafihan'ny fotoana. Ho an'ny marary amin'ny loza, miasa haingana amin'ny fitsaboana sy ny fitsaboana tsara dia afaka manakana ny fahavoazana sy hanakana ny fahafatesana. Ny sasany amin'ireo marary dia manana toe-javatra izay tsy fantatra ary sarotra ny mamaritra, saingy na dia ao amin'ireo tranga ireo aza dia afaka manantena ny loza ary mandray anjara amin'ny fampandrosoana ny atidoha. Ireo fanafody ireo dia mety ahitana fanafody na teknika fanentanana ny atidoha mba hanamaivana ny fiterahana raha ilaina, na hanamaivana azy amin'ny ambaratonga mahazatra rehefa tsy mahazatra haingana. — Alexander Pozdnyakov, MD, mpampianatra sy mpitantana ny Departemantan'ny Biophysics Medical, St Petersburg State Pediatric Medical University. Ny sasany amin'ireo marary dia manana toe-javatra izay tsy fantatra ary sarotra ny mamaritra, saingy na dia ao amin'ireo tranga ireo aza dia afaka manantena ny loza ary mandray anjara amin'ny fampandrosoana ny atidoha. Ireo fanafody ireo dia mety ahitana fanafody na teknika fanentanana ny atidoha mba hanamaivana ny fiterahana raha ilaina, na hanamaivana azy amin'ny ambaratonga mahazatra rehefa tsy mahazatra haingana. — Alexander Pozdnyakov, MD, mpampianatra sy mpitantana ny Departemantan'ny Biophysics Medical, St Petersburg State Pediatric Medical University. Ao amin'ny fanadihadiana MRI, ny fitaovana fotsy mielinina dia mazava tsara avy amin'ny faritra izay tsy feno ny myelination. Amin'ny marary latsaky ny 12 volana, na izany aza, matetika dia sarotra ny manavaka fitaovana fotsy avy amin'ny fitaovana mainty. Rehefa mandinika ny fanadihadiana MRI nandritra ity dingana ity amin'ny fampandrosoana ny atidoha, dia miatrika fanamby roa lehibe izy ireo: Differentiating between white matter and gray matter. Determining the volume of gray matter and white matter. Amin'ny alalan'ny fanadihadiana ny radiologists, ny dokotera dia afaka hianatra ny fomba ny nerve cells mandeha amin'ny alalan'ny fitaovana fotsy mankany amin'ny vovoka, mamorona ny neuronal lalana ny atidoha. Ho an'ny zazakely, ny MRI dia voatendry amin'ny dokotera mpitsabo fotsiny rehefa misy famantarana ara-pitsaboana mahery vaika. Ireo dia mety ahitana ny fahasimbana amin'ny rafitra ara-nofo mifandray amin'ny fiterahana, trauma amin'ny atidoha, convulsions, na ny fisalasalana ny epilepsy. Satria ny marary latsaky ny enina taona dia mitaky anesthesia ankapobeny mba haharitra mandritra ny fitsaboana, ny MRI dia atao amin'ny ankizy madinika ihany rehefa tena ilaina. Indreto ny fomba fanao amin'ny ankapobeny: The medical team places the patient under general anesthesia, positions them in the MRI scanner, and captures the images. The procedure typically takes about 30 minutes but can last up to 40–50 minutes. These images are then processed. A specialist can calculate the volumes of white matter and gray matter using a three-axis formula. Clinical guidelines define the timeframe for this analysis, which can take up to 72 hours in complex cases. Raha ny fanaraha-maso dia maharitra kokoa ny fanadihadiana satria tsy maintsy heverina ny angon-drakitra noho ny vokatra teo aloha avy amin'ny fotoana samihafa. Ahoana no ahafahanao manampy Ny fomba misy amin'ny fanombanana ny myelination ao amin'ny atidoha amin'ny ankizy latsaky ny taona iray dia matetika mitranga amin'ny antony ara-tsosialy. Ny radiologists matetika dia afaka mamaritra avy amin'ny sary raha ampy ny habetsahan'ny fotsy. Amin'ny tranga tsotra, 30 minitra ka hatramin'ny 2 ora fanadihadiana mivantana ao amin'ny MRI console dia ampy, ary tsy ilaina ny AI. Ny asa dia lasa sarotra kokoa rehefa mila mampitaha fanadihadiana maromaro amin'ny fotoana ny radiologists. Na dia ny MRI iray ihany koa dia ahitana ny fanadihadiana sary maromaro (taona 22 farafaharatsiny). Ao amin'ny tranga sarotra, ny fanadihadiana sary mihoatra ny arivo dia mety ho ilaina, izay mahatonga ny tsy fahafahana hanara-maso ny zavatra rehetra haingana. Ny fahitana amin'ny solosaina dia afaka manampy ny radiologists amin'ny famantarana ny faritra izay ny fiovana amin'ny endriky ny fotsy sy ny mainty no mety indrindra. Izany dia mety ho toy ny fanampiana fampiofanana manan-danja ho an'ny dokotera sy ny mponina. Speed up the analysis process. Optimize follow-up schedules to ensure scans are performed only as often as needed, avoiding unnecessary anesthesia. Enhance radiologists’ capacity to examine more patients. Amin'ny endriky ny voalohany, mety ho hita fa afaka mampiasa indray fotsiny ny angon-drakitra misy ny loharanom-baovao sy ny modely voafaritra ho an'ity tanjona ity isika. Ohatra, ny 2019 MICCAI Grand Challenge dia mifantoka amin'ny fametrahana sary MRI ny atidoha zaza latsaky ny enim-bolana. Ny mpamorona avy amin'izao tontolo izao dia nanandrana hamaha ny fanamby amin'ny fampiasana ny dataset iSeg-2019. Ohatra, ny 2019 MICCAI Grand Challenge dia mifantoka amin'ny fametrahana sary MRI ny atidoha zaza latsaky ny enim-bolana. Ny mpamorona avy amin'izao tontolo izao dia nanandrana hamaha ny fanamby amin'ny fampiasana ny dataset iSeg-2019. Ny fanamby lehibe amin'ny MICCAI Na izany aza, ny dataset efa misy dia tsy nanana ny famantarana ilaina - ny masks fametrahana izay ahafantarana izay faritra ao amin'ny sary mifanaraka amin'ny fitaovana mainty na fotsy. Ny dataset iSeg-2019 dia nanana sary 15 ihany, raha ny rakitsoratra enina taona ao amin'ny oniversite dia nanana fanadihadiana MRI avy amin'ny marary 1500 tsy misy famantarana mihitsy. Izany dia midika fa ny dingana voalohany dia ny fanomanana ny tahirin-kevitra. Ahoana no ahafahanao manova ny fanadihadiana MRI amin'ny dataset ho an'ny fianarana milina Ny vondrona Yandex Cloud dia nanapa-kevitra tamin'ny famolavolana ny famolavolana fampiharana mifototra amin'ny rahona, nanampy tamin'ny fisafidianana ny fitaovana mety, ary nanampy tamin'ny famolavolana sy ny fanandramana ny tolotra tranonkala farany. Nitarika ny mpampianatra Arseniy Zemerov, mpianatra avy amin'ny Yandex School of Data Analysis dia nanatanteraka ny andraikitra fototra ML: mifidy ny famolavolana ny tambajotra neuronal, mihazakazaka ny fanandramana, ary ny fampiofanana ny modely amin'ny angon-drakitra voamarina. Ny asa sarotra indrindra - ny angon-drakitra - dia ezaka ekipa tena izy, miaraka amin'ireo radiologists manam-pahaizana avy amin' Indro ny fanadihadiana avo lenta momba ny data pipeline. Jereo ny dingana voalohany. . Ny fanadihadiana MRI dia voatahiry ao amin'ny rafitra fisoratana anarana sy fifandraisana (PACS) natao hanara-maso sary ara-pitsaboana amin'ny endrika DICOM. Ity rafitra ity dia manangona sy mandrindra ny fanadihadiana tsy fantatra, izay mamorona ny fototry ny dataset fampiofanana ny modely. Mba hametrahana ity rafitra ity, dia nametraka milina virtoaly ao amin'ny Yandex Compute Cloud. Namoaka fanadihadiana MRI tsy fantatra momba ny ankizy latsaky ny volana 12 avy amin'ny tahirin-kevitra ny oniversite, miaraka amin'ny angon-drakitra iSeg-2019. Loading the raw data Ny fanadihadiana tsirairay dia fanangonana sary MRI voasambotra amin'ny fomba samihafa: T1, T2, FLAIR, ary DWI. Ireo fomba ireo dia mampiseho ny endri-javatra samihafa, manampy ny dokotera hahatakatra tsara kokoa eo amin'ny toe-javatra samihafa (ho an'ny antsipirihany, jereo Mba hihaona amin'ireo fepetra ireo, ity rafitra ity dia mitahiry metadata fanampiny ary mandrindra ny ampahany maro amin'ny MRI ho toy ny fikarohana tokana, manamaivana izany. Ny lahatsoratra Ny lahatsoratra Ho an'ny marary mihoatra ny herintaona, dia azo atao ny mampiasa fitaovana automatique toy ny Open-source 3D Slicer, izay mamaritra ny habetsahan'ny fitaovana fotsy sy ny fitaovana mainty. Na izany aza, ireo fomba ireo dia tsy mahomby ho an'ny marary tanora. Ao amin'ny fanadihadiana MRI ny zaza tsy ampy taona, na dia ny mpitsabo mainty aza dia mety ho sarotra ny manavaka fitaovana fotsy avy amin'ny fitaovana mainty, izay mahatonga ny famantarana ho asa fototra, pixel-by-pixel. Annotating the collected data Tamin'ny voalohany, dia nanomana ny radiologists manam-pahaizana mba hanamarina ny angon-drakitra avy amin'ny fototra, fa ny dingana dia nahatonga azy ho lava be: ny fikarohana tsirairay amin'ny vitsivitsy vitsivitsy dia mety haka ora valo na mihoatra. Mba hanatsarana ny dingana, ny manam-pahaizana ML dia nanolo-kevitra ny hanatanterahana ny fanamarinana mialoha amin'ny fampiasana modely misokatra antsoina hoe Baby Intensity-Based Segmentation Network ( Ny tambajotra dia mifototra amin'ny rafitra nnU-Net ary natao hamantatra ny vatana fotsy sy ny vatana mainty. Ny biby Ny biby Taorian'ny fanadihadiana ny vokatra mialoha ny famantarana, dia nahita fa mbola maro ny toerana mba hanatsarana ny marika maro. Ny vanim-potoana famantarana ho an'ny boky tokana dia manodidina ny 2.5 minitra. Mba hanamafisana ny dingana, ny ekipa dia nanatsara ny solosaina: The BIBSNet Docker container was adapted for parallel execution. The container was deployed on 20 virtual machines, each processing data independently. Araka ny filazan'ny radiologists manam-pahaizana, pre-annotations dia mahasoa ao amin'ny 40% ny tranga, ary izany ihany no nanampy hampihenana ny asa asa mandritra ny fotoana. ny ML manam-pahaizana ihany koa dia nanara-maso ny BIBSNet ny fahombiazana amin'ny fametrahana mainty (GM) sy fotsy (WM) amin'ny T1 (sagittal) sy T2 (axial) MRI famantarana. Noho izany, ny fanamarinana mialoha dia nanampy antsika hamorona angon-drakitra voamarina amin'ny lafiny 750. Izany dia ampy mba hampiofanana sy hanombanana ny modely amin'ny fianarana milina ho an'ny fametrahana sy ny fametrahana. Talohan'ny hanatanterahana ny fanandramana, dia namely ny angon-drakitra ho amin'ny fampiofanana sy ny fanamarinana, mampiasa ny farany mba hanamarinana ny metrikay. Ao anatin'ny modely fampiofanana fanandramana Tamin'ny voalohany, dia niasa izahay mba hanandrana ny rafitra avo lenta kokoa, ny Vision Transformer. Na izany aza, vao haingana dia nahatsikaritra izahay fa tsara ho an'ny fanasitranana ara-pahasalamana ity rafitra ity. Ny modely dia nanana fahatsapana, izay mety hahatonga fahavoazana bebe kokoa noho ny soa. Noho izany, dia nifidy ny segmenteer izay vita amin'ny karazana tambajotra neuronal roa: Ny tambajotra neuronal convolutional dia manompo ho toy ny endri-javatra (backbones), mifanaraka tsara amin'ny andraikitra mihoatra noho ny famaritana (ohatra segmentation). Architectures mazava ho an'ny fikarohana ara-pitsaboana, amin'ny U-Net toy ny safidy voalohany. Ny ekipa ao amin'ny Yandex School of Data Analysis dia mikendry ny hanatsarana modely fametrahana izay mety ho marina tahaka ny BIBSNet, fa manome fotoana fanapahan-kevitra haingana kokoa. Mba hahatratrarana izany, ny mpianatra dia nanao fanandramana maro tamin'ny dataset iSeg-2019. Ho an'ny rafitra tambajotra neuronal, dia nanadihady ny U-Net, U-Net++, ary DeepLabV3. Ho an'ny backbones famokarana endri-javatra, dia nanandrana ResNet-50, ResNet-101, ResNeXt-50, ResNeXt-101, ary DenseNet-161. Nandritra ny fanandramana, ny ekipa dia nanandrana fomba maro: Training purely on target slices (2D): We trained a 2D segmentation model exclusively on manually annotated slices (the initial 30 studies). However, the small amount of training data limited the model's capacity to generalize. Training on combined iSeg-2019 and target data (3D): The model was trained on a combined dataset that included the fully annotated iSeg-2019 data and our target data. For slices in the target studies without annotations, we applied a mask that zeroed out their contribution to the loss function. This ensured that only annotated slices from the target data were used, preventing errors during training. Ny zavatra hitantsika Ity ny zavatra niseho tamin'ny fanandramantsika amin'ny vovoka fampidirana fitaovana samihafa: Fanandramana amin'ny rafitra rafitra: Ny fanandramana tsara indrindra dia ny fampiofanana ny U-Net amin'ny ResNeXt50 backbone amin'ny fampiasana ny DiceLoss. Ity no fomba ampiasain'ny modely eo amin'ny validation kit. Original fianarana avy amin'ny validation kit: Ohatra avy amin'ny algorithm Ny metriky farany: iou void iou GM iou WM iou mean unet_resnext50_32x4d_dice_1 0.981 0.629 0.501 0.703 tsindrio_tsipika50_32x4d_dice_1 0.981 0.629 0.501 0.703 Ny haingam-pandeha amin'ny tambajotra neuronal mihazakazaka amin'ny CPU dia manodidina ny 3 segondra. Ahoana no miasa amin'izao fotoana izao Ny vahaolana dia , noforonina ho tolotra an-tserasera ho an'ny radiologists manao fanadihadiana MRI amin'ny zazakely. Afaka mamoaka ny rakitra nahazo azy ireo ho any amin'ny tolotra avy hatrany aorian'ny fitsaboana. Ny rafitra dia manamaivana ny angon-drakitra nalefa, manala ny fampahalalana manokana rehetra, toy ny anaran'ny marary, avy amin'ny rakitra. Azo jerena ao amin'ny GitHub Ny vahaolana dia mamantatra ny faritra mainty sy fotsy ao amin'ny tsirairay amin'ny MRI, manome famaritana amin'ny valiny azo antoka. Ny serivisy dia voalohany indrindra morphometric, izay midika fa mitaky ny habetsaky ny vatana. Rehefa vita ny fanodinana, ny mpampiasa dia mahita ny modely ny fihenan'ny mainty, fotsy, ary cerebrospinal fluid, miaraka amin'ny famaritana ny rafitra lehibe indrindra. Avy amin'ny tabilao fanazavana, azonao atao ny misafidy ny fikarohana manokana mba hijery ny fanadihadiana amin'ny fitaovana fotsy sy ny fitaovana mainty. Ny fanandramantsika dia mampiseho fahamarinana mihoatra ny 90%. Manantena isika fa hanatsarana ity isan-karazany ity rehefa mampitombo ny angon-drakitra ary manohy ny fanamafisana ny modely, izay nianatra voalohany tamin'ny angon-drakitra voafetra. Rehefa mijery ny hoavy, ny fandaharam-potoana amin'ny tetikasa dia mihoatra noho ny fizarana fototra. Ny dingana manaraka dia ny fanombanana ny tahan'ny GM-WM, izay afaka manome ny mpitsabo fahatakarana bebe kokoa. Ny tambajotra neuronal dia novolavolaina tao amin'ny Saint Petersburg State Pediatric Medical University, ary ny mpikaroka dia vonona ny hizara ny fikarohana amin'ny toeram-pitsaboana hafa. Ny vahaolana dia mampihena ny fotoan'ny MRI ho an'ny radiologists avy amin'ny andro vitsivitsy ho minitra vitsivitsy. Rehefa vita ny fitsapana, dia mikasa ny hamoaka ny vahaolana ho an'ny loharanom-baovao ho an'ny fampiasana ao amin'ny fikambanana ara-pitsaboana sy ny tetikasa fikarohana manerana izao tontolo izao. Ny vahaolana dia manana fahaiza-manao ara-tsiansa goavana ihany koa. Satria ny habetsahan'ny atidoha amin'ny ankizy dia tsy voamarina teo aloha, tsy misy fianarana fototra mbola nanadihady ny fiovana amin'ny habetsahan'ny atidoha amin'ny vondrom-piarahamonina lehibe. Ho an'ny toe-javatra samihafa sy ny aretina, ity fikarohana ity dia afaka manampy amin'ny fanatsarana ny fitsipika ara-pitsaboana.
