Использование трехмерных сверточных нейронных сетей для выявления интракраниальных аневризм по данным КТ-ангиографии брахиоцефальных артерий

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.

1. Зяблова Е.И., Ачмиз Н.З., Ткачев В.В., Порханов В.А. КТ-ангиография брахиоцефальных артерий при неотложной диагностике разрыва аневризм головного мозга. Российский электронный журнал лучевой диагностики. 2022;12(2):65–73. https://doi.org/10.21569/2222-7415-2022-12-2-65-73

2. Turan N, Heider RA, Roy AK, et al. Current perspectives in imaging modalities for the assessment of unruptured intracranial aneurysms: a comparative analysis and review. World Neurosurg. 2018;113:280–292. PMID: 29360591. https://doi.org/10.1016/j.wneu.2018.01.054

3. Yoon NK, McNally S, Taussky P, Park MS. Imaging of cerebral aneurysms: a clinical perspective. Neurovasc Imaging. 2016;2(1). https://doi.org/10.1186/s40809-016-0016-3

4. Jayaraman MV, Mayo-Smith WW, Tung GA, et al. Detection of intracranial aneurysms: multi-detector row CT angiography compared with DSA. Radiology. 2004;230(2):510–518. PMID: 14699177. https://doi.org/10.1148/radiol.2302021465

5. Bharatha A, Yeung R, Durant D, et al. Comparison of computed tomography angiography with digital subtraction angiography in the assessment of clipped intracranial aneurysms. J Comput Assist Tomogr. 2010;34(3):440–445. PMID: 20498551. https://doi.org/10.1097/RCT.0b013e3181d27393

6. Lubicz B, Levivier M, François O, et al. Sixty-four-row multisection CT angiography for detection and evaluation of ruptured intracranial aneurysms: interobserver and intertechnique reproducibility. AJNR Am J Neuroradiol. 2007;28(10):1949–1955. PMID: 17898200. PMCID: PMC8134231. https://doi.org/10.3174/ajnr.A0699

7. White PM, Teasdale EM, Wardlaw JM, Easton V. Intracranial aneurysms: CT angiography and MR angiography for detection prospective blinded comparison in a large patient cohort. Radiology. 2001;219(3):739–749. PMID: 11376263. https://doi.org/10.1148/radiology.219.3.r01ma16739

8. Rajpurkar P, Irvin J, Ball RL, et al. Deep learning for chest radiograph diagnosis: a retrospective comparison of the CheXNeXt algorithm to practicing radiologists.PLoS Med. 2018;15(11):e1002686. PMID: 30457988. PMCID: PMC6245676. https://doi.org/10.1371/journal.pmed.1002686

9. Приходько И.В., Ерогодский Е.А., Кузьмина Д.В., Синица С.Г., Зяблова Е.И., Халафян А.А. Алгоритмы поиска пространственного расположения интракраниальных аневризм. В: Прикладная математика: современные проблемы математики, информатики и моделирования: материалы III всероссийской научно-практической конференции молодых ученых. Т. 1. Краснодарский ЦНТИ – филиал ФГБУ «РЭА» Минэнерго России; 2021:313–320.

10. UCAS Japan Investigators, Morita A, Kirino T, et al. The natural course of unruptured cerebral aneurysms in a Japanese cohort. N Engl J Med. 2012;366(26):2474–2482. PMID: 22738097. https://doi.org/10.1056/NEJMoa1113260

11. Гудфеллоу Я., Бенджио И., Курвилль А. Глубокое обучение. Пер. с анг. А.А. Слинкина. 2-е изд., испр. ДМК Пресс; 2018.

12. Николенко С., Кадурин А., Архангельская Е. Глубокое обучение. Питер; 2018.

13. Nikolenko S, Kadurin A, Arkhangelskaya E. Deep Learning. Piter; 2018. (In Russ.).

14. Зяблова Е.И., Ткачев В.В., Порханов В.А. Вклад КТангиографии в верификацию источника нетравматического внутричерепного кровоизлияния в условиях экстренного приемного покоя. Инновационная медицина Кубани. 2021;(1):34–38. https://doi.org/10.35401/2500-0268-2021-21-1-34-38

15. Tomandl BF, Hammen T, Klotz E, Ditt H, Stemper B, Lell M. Bone-subtraction CT angiography for the evaluation of intracranial aneurysms. AJNR Am J Neuroradiol. 2006;27(1):55–59. PMID: 16418356. PMCID: PMC7976055.

16. Shi WY, Li YD, Li MH, et al. 3D rotational angiography with volume rendering: the utility in the detection of intracranial aneurysms. Neurol India. 2010;58(6):908–913. PMID: 21150058. https://doi.org/10.4103/0028-3886.73743

17. Lin N, Ho A, Gross BA, et al. Differences in simple morphological variables in ruptured and unruptured middle cerebral artery aneurysms. J Neurosurg. 2012;117(5):913–919. PMID: 22957531. https://doi.org/10.3171/2012.7.JNS111766

18. Villablanca JP, Jahan R, Hooshi P, et al. Detection and characterization of very small cerebral aneurysms by using 2D and 3D helical CT angiography. AJNR Am J Neuroradiol. 2002;23(7):1187–1198. PMID: 12169479. PMCID: PMC8185733.