Зяблова Елена Игоревна, к. м. н., доцент, заведующая рентгеновским отделением; заведующая кафедрой лучевой диагностики № 2 ФПК и ППС
350086, Краснодар, ул. 1 Мая, 167
Elena I. Zyablova, Cand. Sci. (Med.), Associate Professor, Head of the Radiology Department; Head of Diagnostic Radiology Department No. 2, Faculty of Continuing Professional Development and Retraining
ulitsa 1 Maya 167, Krasnodar, 350086, Russian Federation
Синица Сергей Геннадьевич, к. техн. н., доцент кафедры информационных технологий
Краснодар
Sergey G. Sinitsa, Cand. Sci. (Tech.), Associate Professor, Information Technology Department
Krasnodar
Илья Алексеевич Заяц, студент 3-го курса факультета компьютерных технологий и прикладной математики
Краснодар
Ilya A. Zayats, Student, Faculty of Computer Technologies and Applied Mathematics
Krasnodar
Алексан Альбертович Халафян, д. техн. н., профессор кафедры анализа данных и искусственного интеллекта
Краснодар
Alexan A. Khalafyan, Dr. Sci. (Tech.), Professor at the Data Analysis and Artificial Intelligence Department
Krasnodar
Кардаильская Дарья Олеговна, врач-рентгенолог; ассистент кафедры лучевой диагностики №2 ФПК и ППС
Краснодар
Daria O. Kardailskaya, Radiologist; Assistant,Diagnostic Radiology Department No. 2, Faculty of Continuing Professional Development and Retraining
Krasnodar
Порханов Владимир Алексеевич, академик РАН, д. м. н., профессор, главный врач; заведующий кафедрой онкологии с курсом торакальной хирургии ФПК и ППС
Краснодар
Vladimir A. Porhanov, Academician of the Russian Academy of Sciences, Dr. Sci. (Med.), Professor, Chief Physician; Head of the Oncology Department with the Thoracic Surgery Course, Faculty of Continuing Professional Development and Retraining
Krasnodar
Актуальность: Компьютерно-томографическая ангиография (КТА) является первичным, минимально инвазивным методом визуализации, который проводится с целью диагностики, наблюдения и предоперационного планирования тактики лечения внутричерепных аневризм, однако интерпретация занимает много времени даже у опытных нейрорадиологов. Могут ли обученные нейронные сети повысить производительность врачей при интерпретации медицинских изображений и сократить время постановки диагноза? Насколько эффективна нейронная сеть в выявлении интракраниальных аневризм по данным КТА? На сегодняшний день исследований, посвященных данной теме, крайне мало.
Цель: Оценить диагностическую ценность созданного прототипа сверточной нейронной сети в выявлении интракраниальных аневризм по данным компьютерно-томографической ангиографии брахиоцефальных артерий (БЦА).
Материалы и методы: Исследован прототип трехмерной сверточной нейронной сети, созданный на базе Кубанского государственного университета (г. Краснодар), который определяет вероятность наличия интракраниальных аневризм по данным КТА БЦА. В исследовании проанализированы результаты 451 КТ-ангиографии, выполненной в рентгеновском отделении НИИ – ККБ № 1 им. проф. С.В. Очаповского (г. Краснодар), из которых 205 были с подтвержденными аневризмами интракраниальных артерий и 246 – без аневризм.
Результаты: Чувствительность прототипа трехсверточной нейронной сети в обнаружении аневризм по данным КТА БЦА составила 85,1%, специфичность – 95,1%, общая точность – 91%.
Выводы: Использование трехмерных сверточных систем в диагностике позволяет не только с высокой точностью предсказывать наличие аневризм, но и безошибочно их локализовать в более 90% случаев. Получение таких результатов требует подготовки набора данных бóльшего объема.
Background: Computed tomography angiography (CTA) is the primary and minimally invasive imaging modality currently used for diagnosis and monitoring of intracranial aneurysms as well as preoperative planning of their treatment. However, its interpretation is time-consuming even for specially trained neuroradiologists. Nowadays little is known whether trained neural networks contribute to analyzing medical images and reduce the time to diagnosis, and how effective they are in detecting intracranial aneurysms according to the CTA findings.
Objective: To assess the diagnostic value of a convolutional neural network prototype in the intracranial aneurysm detection according to the brachiocephalic arteries CTA findings.
Materials and methods: We analyzed the 3D convolutional neural network prototype based at Kuban State University (Krasnodar, Russian Federation).This prototype was to determine the probability of intracranial aneurysms according to the brachiocephalic arteries CTA findings, obtained in the Radiology Department of Scientific Research Institute – Ochapovsky Regional Clinical Hospital No. 1. The study included 451 CTA scans of 205 patients with confirmed intracranial aneurysms and 246 patients without aneurysms.
Results: The sensitivity of the 3D convolutional neural network prototype in the aneurysms detection according to the brachiocephalic arteries CTA findings was 85.1%, the specificity was 95.1%, and the overall accuracy was 91%.
Conclusions: The 3D convolutional systems may predict aneurysms with a high accuracy as well as localize them with an accuracy of more than 90%. Such results require a larger dataset.
The authors declare that there are no conflicts of interest present.