Mélytanulásos minőség-ellenőrzés
Az orvosi képalkotó eljárásokkal készült felvételek elemzésében egyre nagyobb szerepet kapnak a mesterséges intelligencián alapuló megoldások, amelyek a klinikai döntéshozatalt és az orvosbiológiai kutatásokat egyaránt segíthetik. Mindkét szempontból kiemelkedő fontosságú az elkészült MR-felvételek minőség-ellenőrzése. A TTK Agyi Képalkotó Központjának kutatói egy szisztematikus összehasonlító vizsgálat keretében arra keresték a választ, hogy a standard képi jellemzőkön alapuló gépi tanulási modellek teljesítménye mennyire közelíthető meg mélytanulási módszerekkel.
T1 súlyozott MR-képszeletek MR-ART, UK Biobank (UKBB) és OASIS-3 (OAS3) adatbázisból: A) klinikailag használható szkennelés; B) klinikailag használhatatlan szkennelés.A kutatók kidolgoztak egy alacsony komplexitású mesterséges neurális hálózatot, amely a szakértői minősítések alapján megtanulta osztályozni a felvételeket aszerint, hogy azok alkalmasak-e az agyi elváltozások azonosítására vagy sem. A tesztelés során a hálózat a származtatott képi jellemzőket használó klasszikus gépi tanulási modellekhez hasonlóan kiemelkedően jó, 94 százalék fölötti pontossággal osztályozta a korábban még nem látott felvételeket. A modell ígéretes új lehetőségeket nyújt a minőség-ellenőrzés automatizálásához az orvosi képalkotás további területein, elősegítve ezzel a hatékony klinikai döntéshozatalt.
Az eredményeket ismertető tanulmány a tudományterület legrangosabb folyóiratában, a Medical Image Analysisben jelent meg.•
