Нейронная сеть научилась генерировать МРТ-снимки мозга для обучения ИИ-диагностов

Группа исследователей разработала искусственный интеллект, способный генерировать наборы снимков МРТ головного мозга человека. Технология предназначена для повышения эффективности обучения ИИ, специализирующихся на диагностике раковых заболеваний мозга. Испытания показали, что эффективность программ-диагностов, обучавшихся на сгенерированных наборах, повысилась на 14 %.

Использование GAN для генерации снимков МРТ

Проект осуществлён совместными усилиями специалистов компании NVIDIA, клиники Майо и Центра исследования клинических данных. Разработка, основанная на генеративно-состязательной структуре сети (GAN), велась на платформе NVIDIA DGX с применением систем глубокого обучения PyTorch. Было использовано два взаимосвязанных искусственных интеллекта. Одна сеть генерировала собственные снимки МРТ на основе реальных, а вторая пыталась отличить настоящие от поддельных.

GAN автоматически размечает созданные наборы снимков МРТ, что существенно ускоряет обучение. При ручной аннотации эта работа занимает у экспертов много часов. Кроме того, поскольку система не рассматривает мозг и опухоль как единое целое, оператор может скорректировать снимок, подвинув новообразование или изменив его размер.

Ху Чанг, один из авторов исследования, заявил, что сгенерированные наборы МРТ также решают проблему с использованием конфиденциальной информации. Настоящие снимки составляют врачебную тайну, и требуется разрешение на их использование. А полученные в результате работы новой системы могут быть общедоступны.

Перспективы развития

Аппаратные ограничения вынудили команду уменьшить разрешение исходных снимков в 8 раз. Также в настоящее время новообразования иногда выглядят «наложенным» на снимок. В дальнейшем исследователи планируют устранить эти недостатки.

При обучении нейросетей-диагностов актуален вопрос доступности тренировочных датасетов. Разработанный немецкими учёными ИИ, определяющий инфаркт миокарда по ЭКГ, использовал в качестве входных данных всего 200 записей. По мнению создателей, это серьёзно ухудшило эффективность работы системы. Инструменты, создающие датасеты для обучения нейросетей, призваны помочь в решении названной проблемы.