Разработчики из Стэндфордского университета представили MURA — базу данных, содержащую более 40 тысяч размеченных радиологами рентгеновских снимков повреждений конечностей. На этой базе данных ученые также натренировали сверточную нейросеть, которая определяет травмы не хуже врачей. Препринт статьи с описанием базы данных и алгоритма работы нейросети доступен на arXiv.

Одна из возможных ошибок (помимо непрофессионализма), которая может возникать при диагностике на основе анализа рентгеновских снимков, — это так называемая ошибка «удовлетворения поиска» (англ. satisfaction of search): обнаружив, например, один след проявления заболевания на снимке, радиолог может не заметить остальные. Современным алгоритмам компьютерного зрения такие промахи не свойственны.

Нейросеть, разработанная группой исследователей под руководством Эндрю Ына (Andrew Ng), обучалась на базе данных, состоящих из 40895 рентгеновских снимков, взятых из 14892 медицинских исследований повреждений конечностей. Каждый из снимков был размечен профессионалами-рентгенологами как «нормальный» или «патологический». 

Ng et al. / arXiv 2018

Эффективность распознавания натренированной нейросети сравнили с работой трех радиологов-людей: нейросеть правильно определила повреждения в 74,9 процентах случаев, что оказалось выше, чем результат одного участвовавших в исследовании врачей:

Эффективность работы трех радиологов и нейросети при распознавании повреждений разных частей тела. Ng et al. / arXiv 2018

База данных выложена в открытый доступ и доступна на сайте Стэндфордского университета: ее можно использовать для обучения и других алгоритмов распознавания изображений.

В последнее время алгоритм распознавания изображений все чаще применяют в медицине. Например, недавно разработчики научили сверточную нейросеть классифицировать эритроциты при серповидноклеточной анемии.

Автор: Елизавета Ивтушок