Разработка программного средства на основе сверточной нейронной сети для обработки данных мультиспиральной компьютерной томографии орбиты

Abstract

В статье представлены результаты исследований по разработке и реализации в виде программного средства для расчета объема костной и мягкотканной орбиты, дистопий глаза. Для достижения поставленной цели было использовано глубокое обучение нейронной сети Mask R-CNN. Определяющим моментом в обучении нейросети является определение биомаркеров – основных элементов орбиты, на которые должна обращать свое внимание нейросеть. Основными биомаркерами являлись: костные структуры орбиты, глазное яблоко, экстраокулярные мышцы и смещенная ретробульбарная клетчатка. От точности и правильности выбора биомаркеров зависят дальнейшие возможности искусственного интеллекта правильно их оценивать и интерпретировать. Установлено, что погрешность расчета объемов глазницы по результатам разметки нейронной сети с объемами орбит, рассчитанными по результатам ручной разметки, не превышает 8%. Разработанное программное средство на основе сверточных нейронных сетей показало хорошие результаты по автоматическому расчету основных анатомо-топографических параметров глазницы и может использоваться в клинической практике при оценке результатов хирургического вмешательства по реконструкции тонких костей орбиты.

The article presents the results of research on the development and implementation in the form of a software tool for calculating the volume of the bone and soft tissue orbit, eye dystopia. To achieve this set goal, deep learning of the Mask R-CNN neural network was used. The defining moment in training the neural network is the definition of biomarkers – the main elements of the orbit, to which the neural network should pay its attention. The main biomarkers were: bone structures of the orbit, the eyeball, extraocular muscles and displaced retrobulbar tissue. The further apabilities of artificial intelligence to correctly assess and interpret them depend on the accuracy and correctness of the choice of biomarkers. It has been found that the error in calculating the volumes of the orbit based on the results of marking the neural network with the volumes of the orbits calculated based on the results of their manual marking does not exceed 8%. The developed software tool based on convolutional neural networks showed good results in the automatic calculation of the main anatomical and topographic parameters of the orbit and can be used in clinical practice when assessing the results of surgical intervention to reconstruct thin bones of the orbit.