Similar presentations:
Распознавание патологий на эндоскопических изображениях с использованием методов искусственного интеллекта
1.
Ярославский государственный университетим. П.Г. Демидова
Разработка алгоритмов распознавания патологий
на эндоскопических изображениях
с использованием методов искусственного
интеллекта
Журавлева Анастасия
Ярославль, 2019
2.
ЭндоскопияИсследование желудочнокишечного тракта (ЖКТ) при
подозрении на онкологию
предусматривает использование
эндоскопа.
Эндоскоп – устройство,
позволяющее произвести
внутренний анализ полостей
органов пищеварительной
системы.
Выделяют 3 лидирующие
компании производителя:
Olympus, Fujifilm и Pentax.
Предпочтение именно в нашей
работе – применение разработок
Olympus.
Технические
характеристики
Угол поля зрения
Глубина резкости
Минимально видимое
расстояние инструмента
OLYMPUS EXERA II,
видеогастроскоп GIF 160Z
OLYMPUS
LUCERA
SPECTRUM,
видеогастроскоп
GIF 260Z
140° (в позиции WIDE), 75° (в позиции TELE)
8-100 мм (в позиции WIDE),
1,5-3 мм (в позиции TELE)
5 мм
7-100 мм(в позиции WIDE),
2-3,5 мм(в позиции TELE)
3-4 мм
2
3.
АктуальностьЕжегодно 7,5 млн человек умирают
по причине онкозаболевания, из них
600 тысяч страдают от рака кишечника
Россия на пятом месте в мире
по количеству регистраций рака
среди населения. На 100 тысяч
человек приходится 20 больных.
Ярославская область занимает
3-е место в ЦФО
по онкологическим заболеваниям.
По данным здравоохранения
2019 года на онкологическом учете
находится 3 млн 630 тысяч человек.
Каждый 33-й житель фиксируется
с подозрением на рак.
Летальный исход после
установления диагноза- 25,4%
Ежегодно прослеживается тенденция
динамического роста в цифрах на 3%
Продолжается допущение врачебных
ошибок. В Российской Федерации ФФОМС
предоставил сведения: за девять месяцев
2019 года экспертами было рассмотрено
более 417 тыс. историй болезни и
нарушения были выявлены в 48,5 тыс.
случаев.
3
4.
Цель проектаРазработать алгоритм автоматического детектирования и классификации полипов, а также иных
5
областей интереса при эндоскопическом обследовании кишечника
4
5.
Детектирование полипов ранней стадииРешаем задачу обнаружения
злокачественной опухоли кишечника
на ранней стадии развития с целью
повышения выживаемости пациентов.
Очень важно не упустить участок
с содержанием предполагаемого полипа.
При его выявлении необходимо произвести
классификацию:
I класс: доброкачественный полип (менее 1
см). Объекты данного класса не выделяются
демаркационной линией.
II класс: переходящая стадия формы полипа.
Объекты нельзя отнести к I или III классам.
На изображении выделяются
демаркационными прямоугольниками.
III класс: злокачественный полип (более 1 см).
Объекты данного класса выделяются
демаркационными прямоугольниками.
Работаем на ранних
стадиях развития полипа
4
5
6.
Техническая часть проектаПланируется применение различных типов
архитектур сверточных нейронных сетей
для создания высокоточного алгоритма
автоматической сегментации гистологических
изображений кишечника
Также будет задействован стек технологий,
включающий в себя глубокое обучение
6
7.
Как это работает?Представлены изображения
с выраженными патологиями:
Зеленый прямоугольник
соответствует экспертной разметке
(врачом)
Красный прямоугольник
соответствует разметке,
выполненной разработанным
алгоритмом на основе
искусственного интеллекта
7
8.
Апробация эндоскопа в режиме real time8
9.
База эндоскопических изображенийВ настоящий момент:
Ведутся совместные работы с
эндоскопистами Ярославской
областной онкологической
больницы по сбору и
накоплению медицинских
снимков
Размер базы составляет 431
изображений, из которых 119
изображений содержат раковые
патологии и 312 не содержат
раковых патологий
9
10.
Взаимодействие с Ярославской областной онкологической больницейНа данный момент уже имеются
наработки по исследованию
желудочно-кишечного тракта.
Ожидается дальнейшее углубление
научной деятельности совместно
с Ярославской областной
онкологической больницей
В результате работы планируется
внедрение создаваемых алгоритмов
в имеющуюся эндоскопическую
медицинскую информационную
систему (ЭМИС) на базе Ярославской
областной онкологической больницы
Также будет реализован
пользовательский интерфейс
для оценки принятия врачебного
решения
10
11.
Целевые сегменты потребителейЭкспертные центры в области эндоскопии
при департаментах здравоохранения субъектов РФ,
частные клиники, производители эндоскопического
оборудования.
Профильные медицинские ВУЗы и другие учебные
заведения для повышения квалификации будущих
специалистов в области эндоскопических
исследований
Практическому здравоохранению необходима
разработка и внедрение инструментов поддержки
принятия
Решения и контроль качества выполняемых
исследований
11
12.
КомандаАнастасия Журавлева
«Руководитель проекта»
Михаил Давьянов
Врач-эндоскопист
Павел Ковалев
ПО-разработчик
• Навигация , управление
проектом
• Обеспечение
информационной
составляющей в области
эндоскопии
• Тестирование и отладка
программного кода
• Реализация действий по
технической части
• Оптимизация ПО под
операционные системы
12
13.
КонкурентыПрямыми конкурентами являются компании и
стартап проекты занимающиеся внедрением
технологий ИИ в здравоохранении - Skychain
Global, UNIM, SIEMENS
Косвенными конкурентами являются
производители решений в области капсульной
эндоскопии – современный, неинвазивный и
высокоинформативный метод исследования
отделов тонкого кишечника.
К числу потенциальных конкурентов можно
отнести рабочие группы, ведущих
исследовательскую работу по схожим темам в
клиниках Японии и Германии.
13
14.
Коммерциализация проектаРешение о конкретной
реализации аппаратной
части принимает сам
заказчик, исходя из:
своих предпочтений
технического задания
разработчика
Наименование
Материалы, сырье,
комплектующие
в том числе:
Аппаратное обеспечение
Стоимость изготовления
Постоянные расходы
Всего себестоимость:
Прибыль
Цена без НДС
Рентабельность
Ед.
В расчете на
измер. 1 ед. продукции
руб.
руб.
руб.
руб.
руб.
руб.
%
200 000
300 000
500 000
500 000
1 млн
100%
14
15.
Бизнес-планПараметр
Оценочный объем
рынка млн. руб.:
(100 центров в РФ,
в
каждом порядка 50000
исследований)
1-ый год после
НИОКР
2-ой год после НИОКР
3-ий год после НИОКР
5 млн. исследований 6 млн. исследований в 7 млн. исследований в
в год в РФ
год в РФ
год в РФ
Потенциальная доля
создаваемого продукта
на рынке:
10%
15%
20%
Выручка от реализации
продукции, млн. руб.:
(30 руб. за исслед.)
15 млн.
27 млн.
42 млн.
15
16.
Календарный план1 год
Формирование команды. Сбор и структурирование базы эндоскопических
изображений
Создание алгоритма и его оптимизация
Апробация программного кода на базе эндоскопических изображений
2 год
Реализация пилотного проекта в Ярославской областной онкологической больнице
Получение свидетельства о регистрации программы для ЭВМ
Разработка кроссплатформенного решения под различные операционные системы
16
17.
Ярославский государственный университетим. П.Г. Демидова
Разработка алгоритмов распознавания патологий
на эндоскопических изображениях
с использованием методов искусственного
интеллекта
Журавлева Анастасия
Ярославль, 2019
18.
Контроль процедуры эндоскопического исследованияДля успешного проведения
осмотра ЖКТ пациента необходимо
врачом-эндоскопистом убедиться в
достижении червеобразного
отростка.
Серповидный тип
Умбиликальный
тип
Дивертикулоидный
тип 1
Дивертикулоидный
тип 1
Так, специалистом будет
однозначно определено, весь ли
канал подвергся обследованию, не
совершен ли пропуск того или
иного участка
18
19.
Пример удаления раковой опухоли в ЖКТ19
20.
Технические возможностиВозможность использования суперкомпьютера NVIDIA DGX-1
20