Трансформатор зрения и объяснимые модели переноса обучения для автоматического обнаружения кисты почки, камня и опухоли по данным КТ

Том 12 научных докладов, номер статьи: 11440 (2022 г.) Цитировать эту статью

5568 Доступов

16 цитат

2 Альтметрика

Подробности о метриках

Почечная недостаточность, проблема общественного здравоохранения и нехватка нефрологов во всем мире привели к необходимости разработки системы на основе искусственного интеллекта для автоматической диагностики заболеваний почек. Это исследование посвящено трем основным категориям заболеваний почек: камням в почках, кистам и опухолям. В общей сложности было собрано и аннотировано 12 446 КТ-изображений брюшной полости и урограмм с целью создания системы диагностики заболеваний почек на основе искусственного интеллекта и внесения вклада в развитие искусственного интеллекта. объем исследований сообщества, например, моделирование цифрового двойника функций почек. Собранные изображения были подвергнуты исследовательскому анализу данных, который показал, что изображения всех классов имели одинаковое среднее распределение цвета. Кроме того, было построено шесть моделей машинного обучения, три из которых основаны на современных вариантах преобразователей Vision EANet, CCT и Swin, а остальные три основаны на известных моделях глубокого обучения Resnet. , VGG16 и Inception v3, которые были скорректированы на последних слоях. Хотя модели VGG16 и CCT показали превосходные результаты, преобразователь swin превзошел их всех с точки зрения точности с точностью 99,30 процента. Оценка F1, а также сравнение точности и отзыва показывают, что трансформатор Swin превосходит все другие модели и что он быстрее всего обучается. Исследование также выявило «черный ящик» моделей VGG16, Resnet50 и Inception, продемонстрировав, что VGG16 превосходит Resnet50 и Inceptionv3 с точки зрения мониторинга необходимых анатомических аномалий. Мы считаем, что превосходная точность нашей модели на основе трансформатора Swin и модели на основе VGG16 может быть полезна при диагностике опухолей, кист и камней почек.

Заболевания почек представляют собой проблему общественного здравоохранения, поскольку болезнь распространяется, несмотря на текущие попытки борьбы с ней1. Хроническая болезнь почек затрагивает более 10% населения мира2, и в 2016 году она заняла 16-е место среди ведущих причин смертности, а к 2040 году, как ожидается, поднимется на 5-е место3. Среди других заболеваний почек образование кист, нефролитиаз (камни в почках) и почечно-клеточный рак (опухоль почки) являются наиболее частыми заболеваниями почек, которые нарушают функцию почек. Киста почки представляет собой заполненный жидкостью карман, который образуется на поверхности почки и окружен тонкой стенкой. В почках могут развиваться одна или несколько кист с плотностью воды: от 0 до 20 единиц Хаунсфилда4,5,6. Почечнокаменная болезнь характеризуется образованием кристаллических конкрементов в почках, от которой страдает около 12% населения мира7. Почечно-клеточный рак (ПКР), часто известный как опухоль почки, входит в десятку наиболее распространенных видов рака в мире8.

Рентген, компьютерная томография (КТ), ультразвуковые аппараты B (США) и аппараты МРТ (магнитно-резонансная томография) часто используются в сочетании с патологоанатомическими тестами для диагностики заболеваний почек. Аппарат компьютерной томографии сканирует желаемую часть анатомии человека с помощью рентгеновских лучей для получения изображения поперечного сечения, которое предоставляет трехмерную информацию о желаемой анатомии9. КТ при обследовании почек идеально подходят для исследования, поскольку они предоставляют трехмерную информацию и пошаговые изображения. Если аномалии почек, такие как кисты, камни и опухоли, не выявляются и не лечатся на ранней стадии, они могут привести к почечной недостаточности10. По этой причине ранняя диагностика заболеваний почек, таких как кисты, камни и опухоли почек, представляется важным шагом в предотвращении почечной недостаточности11.

С другой стороны, число нефрологов и радиологов очень ограничено. В Южной Азии на миллион человек приходится лишь один нефролог, тогда как в Европе на миллион человек приходится 25,3 нефролога12.

Учитывая страдания населения из-за заболеваний почек, нехватку нефрологов и рентгенологов во всем мире, а также развитие исследований глубокого обучения в задачах зрения, стало обязательным создание модели искусственного интеллекта для обнаружения рентгенологических результатов в почках. легко помочь врачам и уменьшить страдания людей. В последние годы в этой области было опубликовано несколько исследований. Однако общедоступный набор данных скуден. Кроме того, в большинстве прошлых исследований использовались традиционные алгоритмы машинного обучения для классификации только отдельных классов заболеваний; либо кисты, либо опухоли, либо камни. В некоторых исследованиях использовались ультразвуковые изображения (УЗИ).