Исследователи из Сколковского Института Науки и Технологий (Сколтех) разработали первый прототип медицинской системы визуализации. Она позволит точнее и менее болезненно брать кровь у пациетов на анализ.
Новая разработка Сколтеха основана на использовании нейронных сетей для анализа изображений вен в ближнем ИК-диапазоне и проецирования рисунка вен прямо на тело пациента. Новый метод поможет упростить забор венозной крови и снизить ощущения дискомфорта у пациентов. Особенно обновенный процесс забора крови будет полезен людям с диабетом, особенностями организма, которые затрудняют доступ к венам и младенцам.
Подробности исследования опубликованы в сборнике трудов XVI Международной конференции по управлению, автоматизации, робототехнике и техническому зрению (ICARCV).
Ежедневно в мире выполняется около 20 миллионов анализов крови. Авторы статьи приводят данные, согласно которым в 45% случаев забор крови вызывает определенный дискомфорт у пациентов в силу различных причин, затрудняющих доступ к венам. Если вены плохо видны и не пальпируются, возникает риск травматизации при заборе крови. Также множественные или неточные проколы приводят к риску возникновения тахикардии.
Доцент Центра Сколтеха по научным и инженерным вычислительным технологиям для задач с большими массивами данных (CDISE), руководитель группы вычислительной визуализации Сколтеха Дмитрий Дылов и его коллеги разработали интеллектуальный сканер вен ближнего ИК-диапазона. Он позволяет достаточно точно определять контуры вен на ногах и руках. Стоит отметить, что делать это можно в полностью автоматическом режиме без использования каких-либо пользовательских данных.
«Инфракрасные сканеры вен уже широко применяются в клинической практике, однако наш прибор является первой разработкой, основанной целиком и полностью на передовых методах искусственного интеллекта. Одна нейронная сеть отвечает за шумоподавление и обработку инфракрасного сигнала, вторая определяет контуры вен, а третья постоянно следит за тем, чтобы вычисленные очертания сосудов совпадали с их фактическими границами», – объясняет Дылов.
Нейронная сеть — математическая модель, а также её программное или аппаратное воплощение, построенная по принципу организации и функционирования биологических нейронных сетей — сетей нервных клеток живого организма. В свою очередь свёрточные нейронные сети нацелены на эффективное распознавание образов, входит в состав технологий глубокого обучения. Использует некоторые особенности зрительной коры, в которой были открыты так называемые простые клетки, реагирующие на прямые линии под разными углами, и сложные клетки, реакция которых связана с активацией определённого набора простых клеток. Таким образом, идея свёрточных нейронных сетей заключается в чередовании свёрточных и субдискретизирующих слоёв. Структура сети — однонаправленная (без обратных связей), принципиально многослойная. Для обучения используются стандартные методы, чаще всего метод обратного распространения ошибки. Функция активации нейронов (передаточная функция) — любая, по выбору исследователя.
В новой работе ученые адаптировали нейросети для создания системы, которая находит кровеносные сосуды пациента.
На этапе обучения специалисты объяснили системе, «что такое хорошо и что такое плохо». Все остальное нейронные сети сделали сами: автоматически нашли оптимальные настройки для новых пациентов, определили внешние условия и даже отследили искажения, в том числе и те, с которыми система ранее не сталкивалась.
Ученые проверили работу этой системы на наборе снимков рук пациентов, а после создали прототип устройства и проверили на добровольцах.
Авторы разработки отмечают, что сканер может масштабироваться для использования на других частях тела, а также применяться в ветеринарных клиниках для выполнения сложных проколов вен у животных.
Journal information