АВТОМАТИЗАЦИЯ ГИСТОЛОГИЧЕСКОГО ИССЛЕДОВАНИЯ БИОПСИИ ПЕЧЕНИ С ИСПОЛЬЗОВАНИЕМ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА Текст научной статьи по специальности «Медицинские технологии»

Морфология, патология, клинико-лабораторная диагностика

15, 20, 25, 30, 35, 40 и 45 минутах. Изменения составили 8 % (p < 0,05), 9 % (p < 0,05), 5 % (p < 0,05), 6 % (p < 0,05), 11 % (p < 0,01) и 10 % (p < 0,05) по сравнению с исходным уровнем. ЧСС имела тенденцию к уменьшению. Статистически значимые изменения наблюдались на 5, 30, 35, 40 и 45 минутах и составили 9 % (p < 0,05), 10 % (p < 0,05), 11 % (p < 0,05), 13 % (p < 0,01) и 10 % (p < 0,05) соответственно. Интервал R-R стабильно увеличивался. Статистически значимые изменения наблюдались на 35, 40 и 45 минутах и составили 13 % (p < 0,05), 15 % (p < 0,01) и 11 % (p < 0,01) соответственно.

Заключение. Таким образом, характер изменений, отмеченных в данной работе, можно связать с преобладанием в действии этого соединения отрицательного хронотропного эффекта, что может быть полезно при лечении тахикардии.

АВТОМАТИЗАЦИЯ ГИСТОЛОГИЧЕСКОГО ИССЛЕДОВАНИЯ БИОПСИИ ПЕЧЕНИ С ИСПОЛЬЗОВАНИЕМ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Дорожкина Е.Д.

Медицинский университет «Реавиз», Самара, Россия Научные руководители: Яремин Б.И., канд. мед. наук, доцент, Хельвас А.В.

Актуальность. Использование технологий искусственного интеллекта имеет большую актуальность в медицинской науке, поскольку позволяет значительно ускорить процесс анализа тканей и уменьшить количество ошибок, связанных с человеческим фактором. Кроме того, использование искусственного интеллекта может помочь в обнаружении более ранних признаков заболеваний или более точном определении типа опухолей. Это позволит своевременно выявлять заболевания и начинать лечение, что способствует повышению эффективности и качества лечения, а также улучшению состояния здоровья пациентов.

Целью работы стала разработка технологии получения и обработки гистологических данных биопсии печени (для оценки фиброза/стеатоза у потенциальных доноров органов) для последующей оценки его с использованием технологий искусственного интеллекта.

Материалы и методы. Для разработки технологии автоматизации обработали данные 230 биопсий потенциальных доноров печени. Биопсию выполняли во время операции сохранения донорской печени, краевую инцизионную, из S4, S5 печени. После экстренной проводки проводили окрашивание полученного препарата гематоксиллином-эозином и суданом красным 5В. Изучали гистологические изображения полученных микропрепаратов при увеличении х200, х400, производили фотографирование. Полученные изображения подвергли автоматической обработке. Изучили возможность обработки полученных изображений при помощи технологий искусственного интеллекта.

Результаты. При выборе топологии основное внимание уделялось решению следующих проблем, которые возникли при работе со специфическим набором данных: 1. Неравномерное распределение значимых сигналов в обучающей выборке. 2. Дегенерация модели даже при незначительных противоречиях в массиве данных. Эти проблемы успешно решила Faster R-CNN одноступенчатой детекции RetinaNet. Альтернативой хард-майнингу, необходимому при высоком соотношении шум/сигнал, выступает фокальная депривация (Focal Loss, FL). Обучение проводилось методом обратного распространения ошибки (обучение с учителем). Время обучения составило ~50 машинных часов (50 000 итераций). Был подготовлен проверочный набор из 100 изображений. Копия тестового набора была маркирована вручную, затем два набора прошли сверку с оценкой точности. Для оценки были использованы методы тестирования и крос-валидации. Тестирование полученной модели показало корректность реализации 92 %.

Выводы. В решаемой задаче искусственный интеллект может быть использован для автоматической классификации микрофотографий и выявления патологических изменений в печени. Такой подход может существенно ускорить процесс диагностики и сделать его более точным.

Литература

1. Пастушок И.А., Ким М.А., Гусев В.Н. и др. Система автоматического распознавания лейкоцитов в мазке периферической крови на основе технологии глубинного обучения. Вестник медицинского института "РЕАВИЗ": реабилитация, врач и здоровье. 2018;1(31):117-120.

2. Масликова У.В., Супильников А.А. Технологии разработки программы содействия принятию решения в диагностике заболеваний системы крови с использованием сверточных искусственных нейронных сетей. Вестник медицинского института "РЕАВИЗ": реабилитация, врач и здоровье. 2020;5(47):138-150. https://doi.Org/10.20340/vmi-rvz.2020.5.16