Анализ изображений для классификации патологий слизистой оболочки желудка

1.

Анализ изображений для классификации
патологий слизистой оболочки желудка

2.

Актуальность
С развитием техники и технологий все более реальным становится
использование достижений цифровой обработки изображений в области
медицины для создания систем автоматической диагностики, а также систем
поддержки принятия решений.
Внедрение подобных систем в клиническую медицину нацелено на повышение
эффективности диагностики и терапии, сокращение времени и расходов на
исследования, проведение контроля качества, а также обучение и
совершенствования врачебных навыков специалистов.
Одним из актуальных направлений исследований является анализ
эндоскопических изображений.
Использование систем компьютерного зрения для анализа эндоскопических
изображений на сегодняшний день показывает высокие результаты согласно
многочисленным исследованиям; следовательно, разработка подобных систем
представляет собой актуальную научно-техническую задачу.

3.

Цель – разработка информативного способа анализа
изображений для классификации патологий слизистой оболочки
желудка.
Задачи:
-рассмотреть теоретические основы анализа изображений для
классификации патологий слизистой оболочки желудка;
-представить методологию исследования посредством описания
используемой базы данных изображений, выбранных методов
классификации изображений и процесса обработки данных и методов
анализа результатов;
-описать полученные результаты анализа изображений для
классификации патологий слизистой оболочки желудка;
- сформировать выводы по результатам исследования и возможности
их применения в медицине.

4.

Для желудка на сегодняшний день нет общепризнанной удобной
классификации, позволяющей с высокой точностью и
воспроизводимостью классифицировать патологии слизистой оболочки
желудка.
Однако наиболее распространена в настоящее время VS-классификация,
разработанная K. Yao и учитывающая регулярность поверхностного и
микрососудистого рисунков слизистой оболочки желудка, а также
наличие демаркационной линии на границе с окружающей слизистой
оболочкой.
Для повышения эффективности эндоскопической диагностики с
применением разработанных классификаций, выявления новых
критериев диагностики, обучения молодых специалистов и внедрения
классификаций в широкую практику в настоящее время с успехом
разрабатываются компьютерные системы поддержки принятия решений
врача.

5.

Схема анализа изображений методом сверточной
нейронной сети
Свёртка по первому фильтру
Свёртка по второму фильтру

6.

Чтобы исследовать эффективность использования нейронной сети
для классификации изображений, была выбрана база
эндоскопических изображений Ярославской областной
онкологической больницы.
Размер базы составляет 14 135 кадров с разрешением 626x532 пикселей
формата BMP.
Также была собрана тестовая база эндоскопических
видеопоследовательностей, включающая в себя 4 видеофайла диагностики
желудка различных пациентов: «Ранний рак»; «Рак» - бугристая опухоль
тела желудка с неровным контуром; «Рак» - приподнятый патологический
участок слизистой оболочки с нерегулярным рисунком поверхности и
сосудов; «Иная патология».
Из всех видеофрагментов была осуществлена выборка каждого пятого
кадра для выполнения разметки. Разметка изображений осуществлялась
сотрудниками, не имеющими медицинского образования, согласно
рекомендациям и описанию, предоставленному врачами-эндоскопистами
для каждой сцены из видеоданных для тестирования.

7.

Примеры из созданной базы данных
эндоскопических изображений
Примеры работы алгоритма
Результат классификации изображений
с тубулярным (a) и сосудистым (b) типами слизистой

8.

Графики зависимости точности P от
полноты R при варьировании порога

9.

Вывод
Таким образом, в итоге проведенного исследования мы пришли к
выводу, что рассматриваемый нами алгоритм анализа эндоскопических
изображений для классификации патологий слизистой оболочки желудка
на основе сверточной нейронной сети имеет точность 0,875, что
является достаточно высоким показателем точности для задачи
детектирования объектов на эндоскопических изображениях желудка.
Этот результат говорит о том, что использование сверточной
нейронной сети для анализа является эффективным решением для
классификации патологий. Данный подход может значительно
уменьшить время, затрачиваемое врачами на вручную обработку и
оценку изображений, что приведет к повышению эффективности
диагностики и лечения.

10.

Спасибо за внимание