Ученые нижегородского Университета Лобачевского обучили нейросеть распознавать на электроэнцефалограммах паттерны эпилептиформной активности. В пресс-службе вуза ТАСС сообщили, что это избавит врачей от утомительного ручного разбора записей и упростит диагностику эпилепсии. Об этом рассказывает издание ТАСС.
Разработчики пояснили: индекс спайк-волновой активности, или SWI, сейчас считается важным количественным биомаркером при эпилепсии. Он показывает, какой процент времени записи ЭЭГ приходится на паттерны эпилептиформной активности. Раньше для его расчета спайки и острые волны подсчитывали вручную на коротких участках. Автоматический анализ открывает путь к персонализированным схемам лечения и позволяет объективно следить за эффективностью терапии.
Старший научный сотрудник лаборатории «Искусственный интеллект в кардио- и нейронауке» Альбина Лебедева отмечает: ручная разметка ЭЭГ крайне трудоемка, а визуальная интерпретация сильно варьируется. Даже высококвалифицированные эксперты при неоднозначных паттернах часто расходятся в оценках.
«Нейросеть не устает, не теряет концентрацию и не подвержена субъективным трактовкам. Она дает стабильный, математически воспроизводимый результат, который в среднем соответствует консенсусу группы экспертов. Нейросеть выступает как неутомимый и беспристрастный второй эксперт, размечая данные с точностью, сопоставимой со средним мнением нескольких врачей, но делает это мгновенно и одинаково при любых условиях», — добавила она.
В работе участвовал большой коллектив авторов, включая врачей-эпилептологов из университетов Москвы и Нижнего Новгорода. Специалисты Университета Лобачевского разработали и адаптировали архитектуру глубокой нейронной сети 1D U-Net для сегментации одномерных временных рядов ЭЭГ, провели обучение модели, оптимизацию гиперпараметров и сравнили результаты автоматической сегментации с оценками медицинских экспертов.
1D U-Net — это адаптация классической U-Net для одномерных последовательных данных. Она обеспечивает высокую производительность, а оценки SWI, вычисленные по сегментационным маскам, хорошо согласуются с экспертными. Архитектура сама выделяет признаки и благодаря симметричной структуре с пропускными соединениями учитывает как локальные особенности, так и глобальный контекст.