Преобразование ультразвуковых изображений в изображения формата КТ с использованием обучения на основе искусственного интеллекта

Предыстория и обоснование медицинского эксперимента:

Ультразвуковая визуализация — это метод визуализации, в котором используются звуковые волны для характеристики структуры и функции различных органов в норме и при заболеваниях. Этот метод широко используется в клинической повседневной жизни и имеет много преимуществ. В обследовании не используется ионизирующее излучение, поэтому его использование безопаснее, чем другие методы, такие как рентген или КТ (компьютерная томография). Изображения, получаемые и просматриваемые на ультразвуковом устройстве, передаются в режиме реального времени, поэтому можно выявить изменения, что во многих случаях влияет на окончательный диагноз. Тест является неинвазивным и не требует использования контрастного вещества, содержащего вещества, которые могут вызывать аллергическую реакцию или нарушать функцию почек. Кроме того, оборудование широко доступно, и его также можно использовать у постели больного. Помимо перечисленных преимуществ, ультразвуковой тест имеет и существенные недостатки. Ультразвуковые волны плохо проникают через кости или воздух, что ухудшает качество теста. Кроме того, метод сильно зависит от навыков оператора, поэтому требуется значительный опыт для получения достаточно качественной информации и постановки точного диагноза. Качество теста также зависит от сотрудничества субъекта во время теста, такого как изменение позы и глубокое дыхание.

По сравнению с ультразвуковым исследованием компьютерная томография позволяет получить более широкий анатомический обзор и не ограничивается физиологическими факторами, такими как кости и воздух. К наиболее заметным недостаткам компьютерной томографии можно отнести то, что для исследования требуется ионизирующее излучение, что неизбежно несет в себе прямую и косвенную опасность для здоровья пациента. Кроме того, тест требует больших финансовых и человеческих ресурсов, что является ограничением в его использовании за пределами больницы или в странах с плохим социально-экономическим статусом.

В этом исследовании исследователи стремятся преодолеть разрыв между этими двумя типами методов и создать единую систему, которая использует преимущества обоих. Это делается путем создания КТ-изображений из ультразвуковых изображений. Этот процесс будет включать использование методов искусственного интеллекта, а именно алгоритмов машинного обучения.

Машинное обучение в целом и глубокое обучение в частности в последние годы набирают обороты в области компьютерного зрения, а в последнее время также и в области медицинской визуализации. Кроме того, уже можно видеть значительные успехи в классификации заболеваний сетчатки, при которых датчиком является фундус-камера или оптическая когерентная томография (ОКТ), в классификации классификаций МРТ молочной железы 3, а в последнее время и в классификация тяжести заболевания, вызванного вирусом короны, с использованием рентгенографии грудной клетки и ультразвукового сканирования.

Машинное обучение включает в себя два этапа. На первом этапе алгоритм обучается на размеченных данных, используя архитектуры и целевые функции, которые позволяют достичь высокой точности. На втором этапе исследователи протестируют алгоритм на данных, которые еще не наблюдались. Следует отметить, что большой объем размеченных данных может быть очень полезен при разработке алгоритма, но в то же время создание размеченных данных может быть трудным и может быть длительным и дорогостоящим процессом. Таким образом, исследователи будут использовать неконтролируемые или полуконтролируемые подходы.

Цели медицинского исследования: Предоставление сонографической и рентгенографической информации системе искусственного интеллекта с целью создания КТ-изображений из ультразвуковых изображений, чтобы обеспечить лучшую пространственную ориентацию, а также лучшую характеристику отсканированных анатомических структур.

Тип исследования: проспективное открытое исследование, в котором и врач, и пациент осведомлены о способе и целях сканирования.

Экспериментальная процедура: участники, соответствующие критериям исследования, пройдут полное ультразвуковое сканирование органов брюшной полости с использованием клинического ультразвукового устройства в Институте визуализации в медицинском центре Хаемек. Ориентировочная продолжительность экзамена – 20 минут. Ультразвуковые изображения будут визуально связаны с предыдущими КТ-изображениями того же пациента во время обследования с использованием системы Fusion, расположенной в упомянутом выше ультразвуковом устройстве.

Отметим, что если участник пришел на клиническое ультразвуковое исследование, которое должно было пройти в любом случае, то клиническое обследование он пройдет в обычном порядке, а затем отдельно пройдёт описанное выше обследование в рамках исследования.

Совмещенные изображения КТ и УЗИ будут закодированы и отправлены в лабораторию SAMPL в институте Вейцмана, где изображения будут служить обучающей платформой для системы искусственного интеллекта. Изображения будут переданы только после того, как личные данные субъекта будут закодированы в файле EXCEL и сохранены главным исследователем. Только ведущий исследователь и второстепенные исследователи будут подвергаться предварительному кодированию информации, которая будет храниться на специальном компьютере ведущего исследователя, защищенном паролем.

Собранная закодированная информация будет непрерывно передаваться во время исследования в Институт Вейцмана, чтобы обеспечить хорошее получение информации и возможность обратной связи в режиме реального времени с ведущим исследователем в пользу получения более качественной информации, которая позволяет анализировать данные.

В любой будущей заявке лаборатории SAMPL для получения подробной информации об участниках она должна будет связаться с серийным номером, когда ключ кодирования будет находиться исключительно в клинической базе (больница Хаемек). Лаборатория SAMPL в Институте Вейцмана никоим образом и ни на каком этапе эксперимента не будет подвергаться идентифицирующей информации об участниках.

Мониторинг участников и отчетность о медицинских заключениях

Если в ходе исследования будут обнаружены неожиданные медицинские данные, важные для здоровья пациента, главный исследователь обязан без промедления передать их лечащему врачу для дальнейшего наблюдения и лечения по мере необходимости в рамках стандартной медицинской помощи. Участники не будут наблюдаться после экспериментального сканирования в рамках клинического испытания.