Якутские ученые задействовали технологии искусственного интеллекта для диагностики поражения легких в связи с коронавирусом. Они получают результат всего за 15 секунд.

В жизни ИИ‑системы, медицинской или любой другой, случаются неудачные моменты.

Часть таких ситуаций — непредвиденные ошибки. Да, все разработчики понимают, что рано или поздно что‑то пойдёт не так, но случается это всегда по‑разному и иногда в самые неподходящие моменты.

К примеру, неправильно заполненный тег части тела в DICOM‑файле и некорректная работа модели по фильтрации снимков может привести к возникновению пневмоторакса в стопе:

Ручная сегментация легких занимает около 10 минут и требуется определенная сноровка, чтобы получить такой же качественный результат, как при автоматической сегментации. Автоматическая сегментация занимает около 15 секунд.

Я предполагал, что без нейронной сети удастся получить точность не выше 70%. Также я предполагал, что морфологические операции – это только подготовка изображения к более сложным алгоритмам. Но в результате обработки тех, хоть и немногочисленных 40 образцов томографических данных, что есть на руках, алгоритм выделил легкие без ошибок, причём после теста на первых пяти случаях алгоритм уже не претерпевал значительных изменений и с первого применения правильно отработал на остальных 35 исследованиях без изменения настроек.

Также нейронные сети имеют минус – для их обучения нужны сотни обучающих образцов лёгких, которые придётся размечать вручную.

• КТ — трёхмерное изображение, каждый слой такого изображения называется срезом. При 300–800 срезах лёгких на КТ врачи тратят от 1 до 15 минут на поиск характерных зон, чтобы определить степень поражения. Одна минута — это «на глаз», 30 минут — это среднее при ручном выделении и подсчёте зон повреждённой ткани. В сложных случаях результат может обрабатываться до часа.
• Точность диагностики уровня поражения коронавирусом экспертами «на глаз» высока на границах 0–30 % и 70–100 %. В диапазоне 30–70 погрешность очень высока, и мы обратили внимание, что кто-то из рентгенологов, как правило, системно завышает процент поражения на глаз, а кто-то занижает.

Сегодняшняя статья будет посвящена сразу двум нашим любимым темам: компьютерной томографии (КТ) и отечественному процессору Эльбрус. Мы расскажем, чем отличается рентгенограмма от результатов КТ и объясним, зачем такой большой и серьезной машине, как томограф, был бы кстати специализированный вычислитель. Несмотря на то, что томографы используются уже почти 50 лет (создание первого томографа было анонсировано в 1972 году [1]), это не означает, что все проблемы KT сегодня решены. Наоборот, существует острая потребность в новых томографических алгоритмах, которые были бы быстрее и точнее используемых, позволили бы уменьшить лучевую нагрузку на объект, что, в свою очередь, существенно расширило бы и сферу применения метода КТ. Понимая все это, мы создали такое программное обеспечение Smart Tomo Engine. О нем речь пойдет ниже. Рассказав ранее о борьбе с ортотропными артефактами и об оценке “эффекта чаши”, в данной статье мы опишем несколько тестов, проведенных с использованием синтетических и собранных на отечественном томографе реальных томографических датасетах и покажем работу нашей программы на процессоре Эльбрус нового поколения (видео прилагается ниже). Результат работы программы приоткроет внутренний мир майского жука, причем значение слова “внутренний” здесь следует понимать буквально.

Компания Smart Engines представила новую версию российского программного продукта для томографической реконструкции Smart Tomo Engine 2.2. Система искусственного интеллекта позволяет получить восстановленное трехмерное изображение объекта в высоком разрешении, сравнить с идеальной моделью на предмет соответствия состава, размеров, наличия трещин и других скрытых дефектов. Программа предназначена для использования в области промышленной томографии при исследовании и контроле качества внутренней структуры объектов разного размера: от микросхем до индустриальных двигателей внутреннего сгорания.

В обновленной версии программного продукта появилась уникальная функция — теперь можно воссоздавать изображение не всего исследуемого объекта, помещенного в томограф, а только интересующей области. Это важно, так как зачастую рабочая область детектора превосходит сам объект и образуется много неинформативного пространства, которое нет необходимости восстанавливать. Кроме того, часто стоит задача исследовать только часть объекта — например, отремонтированный фрагмент изделия, будь то сварной шов или часть микросхемы. В зависимости от размера объекта время реконструкции можно сократить до 50–70%. Применение томографических комплексов с новой версией Smart Tomo Engine поможет ускорить производственные процессы в машиностроении, ракетно‑космической, нефтегазовой отраслях, микроэлектронике и других сферах.

Сотрудники компании Smart Engines запатентовали в США новую экспериментальную технологию в компьютерной томографии. Разработка позволяет снизить дозу облучения при диагностике пациентов с COVID и другими заболеваниями, и ускоряет исследования. Smart Engines намерена интегрировать технологию в свои продукты и продвигать их как в России, так и за рубежом.

На российском рынке появился первый полностью отечественный томограф, с помощью которого можно проверить качество деталей, напечатанных на 3D-принтере.

Аппаратную часть разработал петербургский производитель рентгеновской техники ЭЛТЕХ-Мед. Программное обеспечение Smart Tomo Engine 2.0 поставила московская ИТ-компания Smart Engines.

В Москве появился второй комплексный сервис искусственного интеллекта, который может выявить семь заболеваний одновременно на компьютерной томограмме. На одном исследовании грудной клетки нейросеть способна распознать признаки рака легкого, COVID-19, остеопороза позвоночника, аневризмы аорты, легочной гипертензии, гидроторакса, ишемической болезни сердца по степени кальцификации коронарных артерий.