Pull to refresh
  • by relevance
  • by date
  • by rating

Алгоритм Google находит раковые клетки на снимках лучше врачей

Machine learningHealthThe future is here


20 мая в блоге Google появился отчет о новом проекте компании, направленном на борьбу с онкологическими заболеваниями. Созданная на основе технологий глубокого обучения модель обнаруживает раковые клетки на томограммах легких с точностью, недоступной человеческому глазу.
Читать дальше →
Total votes 11: ↑9 and ↓2 +7
Views4.2K
Comments 3

В человеческом мозге столько же «транзисторов», сколько в мировой ИТ-инфраструктуре

BiotechnologiesBrain
Стэнфордские нейробиологи потратили несколько лет, разрабатывая новый способ 3D-сканирования мозга. Они совместили объёмную компьютерную томографию (array tomography — техника «антенных решёток» из радиоастрономии) и специально разработанный софт, чтобы получить объёмную и реалистичную 3D-модель. Такую, по которой можно перемещаться, масштабировать и вращать её в разных измерениях.


Сканирование от мягкой оболочки коры мозга мыши через шесть слоёв и подкорковое белое вещество к прилегающему полосатому телу.

Изучив полученную картину, учёные пришли к выводу, что синапсы устроены гораздо сложнее, чем предполагалось раньше.
Читать дальше →
Total votes 90: ↑83 and ↓7 +76
Views10K
Comments 193

Как я пытался лечиться по ДМС, а получил 3D модель головы и чуть больше здоровья за свои деньги

Lifehacks for geeksHealth
Ситуация, с которой наверное сталкивались многие обладатели полиса ДМС с оплатой стоматологии, когда страховая отказывается оплачивать лечение зуба. Стоматолог отправляет с обострением домой — «записывайтесь на прием», не говоря ни слова про то что следующий прием и лечение будут не по страховке.



В заметке расскажу как удалось сделать КТ челюсти с записью на диск, что такое формат данных DICOM и с помощью каких open source программ с ним можно работать. А также как и где мне удалось найти стоматологическую помощь.
Читать дальше →
Total votes 44: ↑39 and ↓5 +34
Views30.9K
Comments 79

Разработан новый моментальный анализ крови на наличие повреждений мозга

BiotechnologiesBrain
Translation

Анализ проверяет наличие двух белков в капле крови, чтобы узнать, нужно ли пациенту делать компьютерную томографию




Когда человек ударяется головой в падении, во время спортивных игр, в дорожно-транспортном происшествии или в другом случае, его часто отвозят в больницу, чтобы сделать компьютерную томографию – посмотреть, нет ли на мозге повреждений или синяков.

У 90% людей томография даёт отрицательный результат, даже если потом у них находят лёгкое повреждение мозга, например, сотрясение. Следовательно, требуются другие инструменты для точной диагностики несильных травм мозга. Кроме того, процедура КТ может стоить до $2000, и подвергает человека облучению.

Поэтому исследователи давно ищут способы распознавать, каким пациентам требуется проводить КТ, а каким не стоит. Один из многообещающих подходов – распознать повреждение мозга благодаря кусочкам его тканей и клеток, или повреждённым сосудам.
Читать дальше →
Total votes 22: ↑20 and ↓2 +18
Views8.1K
Comments 1

Автоматическая сегментация дыхательных органов

InobitecWorking with 3D-graphicsAlgorithmsImage processingData visualization

Ручная сегментация легких занимает около 10 минут и требуется определенная сноровка, чтобы получить такой же качественный результат, как при автоматической сегментации. Автоматическая сегментация занимает около 15 секунд.


Я предполагал, что без нейронной сети удастся получить точность не выше 70%. Также я предполагал, что морфологические операции – это только подготовка изображения к более сложным алгоритмам. Но в результате обработки тех, хоть и немногочисленных 40 образцов томографических данных, что есть на руках, алгоритм выделил легкие без ошибок, причём после теста на первых пяти случаях алгоритм уже не претерпевал значительных изменений и с первого применения правильно отработал на остальных 35 исследованиях без изменения настроек.


Также нейронные сети имеют минус – для их обучения нужны сотни обучающих образцов лёгких, которые придётся размечать вручную.


Читать дальше →
Total votes 28: ↑24 and ↓4 +20
Views5.4K
Comments 8

Альтернативный метод транспедикулярной фиксации или как штангенциркуль может заменить целый рентгеноаппарат

InobitecData visualizationHealth


В настоящее время операции на позвоночнике перестали быть чем-то эксклюзивным и выполняются практически во всех отделениях нейрохирургии и во многих травматологических отделениях стационаров. Термин “нестабильность позвоночника” давно вышел за пределы лексикона узкого круга спинальных хирургов. И хотя данное понятие иногда трактуется слишком широко, нестабильность позвоночного сегмента, как патологическое явление, существует. В этой статье пойдет речь об одном интересном методе, позволяющем упростить операцию на позвоночнике.
Читать дальше →
Total votes 19: ↑17 and ↓2 +15
Views5.4K
Comments 14

О бинаризации томографических изображений с тонкой структурой

Smart EnginesImage processingMachine learningArtificial IntelligenceThe future is here

Бинаризация – классическая задача обработки изображений. Часто бинаризация используется для упрощения данных и ускорения последующей обработки, что в наше время уже не кажется важным. Но при анализе пористых материалов бинаризация принципиальна, поскольку модель данных здесь не подразумевает промежуточного состояния между пустой порой и непроницаемой матрицей. А алгоритма, прекрасно работающего «из коробки», как обычно, нет. Есть алгоритмы с настроечными параметрами, есть замечательные нейросетевые архитектуры. Чтобы они заработали, их нужно настроить/обучить. Что же делать, если в нашей задаче получение эталонных ответов очень трудоемко? Из этой статьи вы можете узнать об одном любопытном способе обойтись без разметки, а также познакомиться с миром вычислительной томографии и сопредельных областей.


Читать дальше →
Total votes 7: ↑7 and ↓0 +7
Views1.3K
Comments 4

Количественная оценка «эффекта чаши» на томографических изображениях

Smart EnginesAlgorithmsImage processingMachine learningArtificial Intelligence

Привет, Хабр! Как вы уже знаете, мы в Smart Engines занимаемся обработкой изображений. Недавно мы написали статью о бинаризации томографических изображений с тонкой структурой, в которой попытались рассказать в чем собственно состоит метод рентгеновской томографии. Сегодня мы продолжим рассказывать о задачах, возникающих при работе с томографическими изображениями, а именно речь пойдет о чашевидных артефактах и об их количественной оценке.



Источник


Если интересно, то добро пожаловать подкат!

Читать дальше →
Total votes 6: ↑5 and ↓1 +4
Views1.5K
Comments 7

Алгоритм подавления полос на изображении как инструмент улучшения качества томографической реконструкции

Smart EnginesAlgorithmsImage processingMathematicsPhysics
Вернемся к томографии, которой у нас в Smart Engines уделено большое внимание. Сегодня мы расскажем про алгоритм уменьшения выраженности полос на изображении. Полосы на томографической синограмме никому бы не мешали, ведь синограммы не предъявляются врачам или другим пользователям томографов, но эти полосы приводят к появлению концентрических окружностей на восстановленных изображениях (слева на рисунке). Основным инструментом борьбы с полосами в предлагаемом алгоритме является операция ведомой фильтрации (Guided Filtering). Мы расскажем как построить ведущее изображение для синограммы, рассчитать скорректированную синограмму и использовать ее в процедуре томографической реконструкции, чтобы получить восстановленное изображение без кольцевых артефактов (справа на рисунке).

Читать дальше →
Total votes 8: ↑8 and ↓0 +8
Views1.5K
Comments 15

Разработка и тестирование на платформах Эльбрус программы для томографической реконструкции Smart Tomo Engine (+2 видео)

Smart EnginesAlgorithmsImage processingMachine learningArtificial Intelligence

Сегодняшняя статья будет посвящена сразу двум нашим любимым темам: компьютерной томографии (КТ) и отечественному процессору Эльбрус. Мы расскажем, чем отличается рентгенограмма от результатов КТ и объясним, зачем такой большой и серьезной машине, как томограф, был бы кстати специализированный вычислитель. Несмотря на то, что томографы используются уже почти 50 лет (создание первого томографа было анонсировано в 1972 году [1]), это не означает, что все проблемы KT сегодня решены. Наоборот, существует острая потребность в новых томографических алгоритмах, которые были бы быстрее и точнее используемых, позволили бы уменьшить лучевую нагрузку на объект, что, в свою очередь, существенно расширило бы и сферу применения метода КТ. Понимая все это, мы создали такое программное обеспечение Smart Tomo Engine. О нем речь пойдет ниже. Рассказав ранее о борьбе с ортотропными артефактами и об оценке “эффекта чаши”, в данной статье мы опишем несколько тестов, проведенных с использованием синтетических и собранных на отечественном томографе реальных томографических датасетах и покажем работу нашей программы на процессоре Эльбрус нового поколения (видео прилагается ниже). Результат работы программы приоткроет внутренний мир майского жука, причем значение слова “внутренний” здесь следует понимать буквально.


Читать дальше →
Total votes 29: ↑27 and ↓2 +25
Views8.9K
Comments 31

Модель для распознавания степени поражения лёгких на КТ: мы резко увеличили точность сортировки больных

СберImage processingArtificial IntelligenceHealth
image
Срез КТ с зонами «матового стекла»

Пациентам с подтверждённым COVID-19 делают компьютерную томографию лёгких. Если повезёт — один раз, если нет — несколько. В первый раз нужно оценить уровень поражения в процентах. В зависимости от квартиля степени поражения определяется дальнейшая схема лечения, и они разительно отличаются. В апреле 2020 мы узнали, что есть две сложности:

  • КТ — трёхмерное изображение, каждый слой такого изображения называется срезом. При 300–800 срезах лёгких на КТ врачи тратят от 1 до 15 минут на поиск характерных зон, чтобы определить степень поражения. Одна минута — это «на глаз», 30 минут — это среднее при ручном выделении и подсчёте зон повреждённой ткани. В сложных случаях результат может обрабатываться до часа.
  • Точность диагностики уровня поражения коронавирусом экспертами «на глаз» высока на границах 0–30 % и 70–100 %. В диапазоне 30–70 погрешность очень высока, и мы обратили внимание, что кто-то из рентгенологов, как правило, системно завышает процент поражения на глаз, а кто-то занижает.

Задача сводится к определению повреждённой ткани лёгких и подсчёту доли их объёма к общему лёгких.

В конце апреля в кооперации с клиниками мы подготовили датасет обезличенных исследований пациентов с подтверждённым ПЦР-анализом COVID-19, отдали комиссии из десяти отличных экспертов-рентгенологов и разметили выборку для обучения с учителем.
Читать дальше →
Total votes 32: ↑32 and ↓0 +32
Views4.6K
Comments 19