Сегментация данных магнитно-резонансной и компьютерной томографии методами глубокого обучения

Цель: Разработка прототипа системы автоматической обработки данных магнитно-резонансной и компьютерной томографии сердца

Описание проекта: Данные магнитно-резонансной и компьютерной томографии требует от врачей много рабочего времени на обработку. Например, для МРТ сердца нужен час времени, из него только 20 минут проводится запись данных, а 40 минут уходит на ручную обработку результатов. Если разработать качественных алгоритм сегментации органов, то можно сократить время обследования, увеличить поток пациентов и быстрее окупать оборудование, что сделает его более распространенным и доступным. В ходе реализации проекта предполагается повторение state-of-the art работ в области автоматической сегментации миокарда левого желудочка сердца по данным МРТ. В качестве обучающей и валидационных выборок будут использована открытая база данных Sunny Brook LV Segmentation challenge (http://www.cardiacatlas.org/challenges/lv-segmentation-challenge/). Развитие проекта в сторону усложнения (выделение правого желудочка, левого и правого предсердий, выделение регионов инфаркта по позднему контрастированию с гадолинумом) возможно по желанию проектной команды. Также стоит отметить, что автоматическое построение полной геометрической модели сердца по данным МРТ или КТ является нерешенной научной проблемой и на момент написания проекта не выполнена никем в мире.

Результат / Продукт: Обученная нейронная сеть для сегментации левого желудочка сердца пациентов по данным 100 пациентов. 

Критерии приемки результата / «продукта»:  Результаты работы программы на базе данных Sunny Brook LV Segmentation challenge (http://www.cardiacatlas.org/challenges/lv-segmentation-challenge/) на данных обучающей выборки не отличаются более чем на 0.89 в терминах Dice метрики для каждого случая. Результаты сегментации на тестовой выборке (правильные ответы недоступны) не содержат явных ошибок (в двумерном срезе регион миокарда левого желудочка выглядит как круг или кольцо, алгоритм не путает камеры сердца; при диаметре внутренней камеры более 2 см, алгоритм не показывает миокард внутри полости сердца; регионы легких или ребер не детектируются как регионы миокарда).

Организация заказчика: Лаборатория “Математического моделирования в физиологии и медицине с использованием суперкомпьютерных технологий” УрФУ

Контакты представителя заказчика: Ушенин Константин Сергеевич, +79041720484, vk.com/kostaNew, kostaNew@gmail.com