Петербургские ученые создали нейросеть для диагностики Covid-19

По данным ВОЗ, более полумиллиарда человек в мире переболели коронавирусной инфекцией. Опасное заболевание, отличающиеся высокой скоростью распространения, ставит перед медицинском сообществом вопрос о ранней диагностике и изолировании больного человека. В настоящее время полимеразная цепная реакция является стандартным диагностическим инструментом для пациентов с подозрением на коронавирусную инфекцию. Однако, как отмечается в ряде исследований, на выполнение анализа требуется время (4-6 часов на процедуру). Кроме того, возможны и ложноотрицательные результаты, особенно на ранних стадиях заболевания. Поэтом улучшение способов ранней диагностики продолжаются.

Визуализация легких с помощью рентгена или компьютерной томограммы оказывается полезной как дополнение к ПЦР-тестированию, так и для исключения ассоциированной с ковидом пневмонии. Исследователи и медработники систематизировали широкий спектр патологоанатомических данных, которые идентифицируют пневмонию COVID-19 на изображениях. Интерпретация результатов рентгенографии или КТ-снимка требует внимания высококвалифицированных специалистов. Им на помощь пришли исследователи петербургского Политеха. Исследователи создали нейросеть, выявляющую признаки ковид-ассоциированной пневмонии на основе изображений компьютерной томографии. Модель, основанная на сочетании ResNet, Convolutional Block Attention Module (CBAM), и новой сети AdjCNet, показала точность классификации 99,23%. Результаты работы опубликованы в научном журнале Biomedical Signal Processing and Control.

«Наша модель позволяет быстро и точно определить наличие COVID-19 или других видов пневмонии на КТ-снимках легких. Это может помочь врачам быстрее и точнее ставить диагнозы, что позволит снизить нагрузку на медицинский персонал. От аналогов наша программа отличается, прежде всего, улучшенной точностью интерпретации», - отметил один из разработчиков нейросети, инженер Научно-технологического комплекса "Математическое моделирование и интеллектуальные системы управления" Научного центра мирового уровня "Передовые цифровые технологии" СПбПУ Диб Али.

При создании нейросети исследователи задействовали технологии глубокого обучения, включая ResNet (сеть с остаточными соединениями), модуль внимания CBAM и новую сеть AdjCNet, специализирующуюся на анализе оттенков серого в соседних областях изображения. Для обучения нейросети ученые воспользовались набором срезов компьютерной томографии COVID-19, полученных в разных странах. Он содержит более 7500 снимков легких, пораженных ассоциированной с коронавирусом пневмонией, более 2500 снимков легких с внебольничной пневмонией и почти 7000 снимков здоровых легких.

Результаты четырехкратной перекрестной проверки новой нейросети доказали ее точности и эффективность. По словам исследователь, модель имеет большой потенциал для точной и быстрой диагностики COVID-19 с использованием изображений компьютерной томографии.