Новые методы компьютерного зрения в задачах распознавания поверхностей и кривых на трёхмерных медицинских изображениях для интерпретируемого подсчёта биомаркеров различных заболеваний

КАРТОЧКА ПРОЕКТА ФУНДАМЕНТАЛЬНЫХ И ПОИСКОВЫХ НАУЧНЫХ ИССЛЕДОВАНИЙ,
ПОДДЕРЖАННОГО РОССИЙСКИМ НАУЧНЫМ ФОНДОМ

Информация подготовлена на основании данных из Информационно-аналитической системы РНФ, содержательная часть представлена в авторской редакции. Все права принадлежат авторам, использование или перепечатка материалов допустима только с предварительного согласия авторов.

ОБЩИЕ СВЕДЕНИЯ

Номер проекта 20-71-10134

НазваниеНовые методы компьютерного зрения в задачах распознавания поверхностей и кривых на трёхмерных медицинских изображениях для интерпретируемого подсчёта биомаркеров различных заболеваний

Руководитель Беляев Михаил Геннадьевич, Кандидат физико-математических наук

Организация финансирования, регион Автономная некоммерческая образовательная организация высшего образования «Сколковский институт науки и технологий» , г Москва

Конкурс №50 - Конкурс 2020 года «Проведение исследований научными группами под руководством молодых ученых» Президентской программы исследовательских проектов, реализуемых ведущими учеными, в том числе молодыми учеными

Область знания, основной код классификатора 01 - Математика, информатика и науки о системах; 01-213 - Обработка и анализ изображений и сигналов

Ключевые слова Компьютерное зрение, Машинное обучение, Генеративные модели, Сверточные сети, Медицинские изображения, Поиск биомаркеров, Персонализированная медицина

Код ГРНТИ50.53.17

ИНФОРМАЦИЯ ИЗ ЗАЯВКИ

Аннотация
Бурное развитие современных методов анализа изображений с помощью глубоких сверточных сетей нашел свое отражение в биомедицинских задачах. Однако, существуют два ограничения: объем выборок для анализа крайне мал, а интерпретируемость методов недостаточна для многих медицинских задач. Подавляющее большинство существующих методов анализа трехмерных медицинских изображений предполагает работу с объемными (т.е. трехмерными) объектами. В то же время, в целом ряде прикладных задач необходимо рассматривать более сложные постановки, связанные с поиском поверхностей или кривых (т.е. дву- и одномерных объектов). Кроме того, в ряде случаев уровень неопределенности в данных настолько высок, что даже на уровне экспертной разметки существует несколько возможных “правильных ответов”. Эти два фактора требуют разработки новых методов машинного обучения для решения задач медицинского компьютерного зрения. Актуальность этих задач обусловлена большим числом приложений подобных методов в медицине, появлением только самых первых статей в мировой литературе по этой теме и, наконец уникальном положении на стыке двух направлений Стратегии научно-технологического развития Российской Федерации. В рамках нашего проекта мы планируем разработать новые интерпретируемые методы компьютерного зрения для поиска поверхностей и кривых на трехмерных медицинских изображениях. Развитие централизованных систем хранения медицинских изображений дает возможность использовать результаты проекта для создания моделей оценки ряда биомаркеров, которые могут внести существенный вклад в раннее выявление ряда заболеваний, включая сердечно-сосудистые, за счет автоматического анализа большого потока скрининговых или нетаргетированных исследований.

ОТЧЁТНЫЕ МАТЕРИАЛЫ

Публикации

1. Яушев Ф.Р., Самохин В.Ю., Писов М., Беляев М.Г. Spline functions for low-dimensional object localization Труды конференции "Информационные технологии и системы 2020" (год публикации - 2020)

2. Широких Б.Н., Шевцов А.Е., Далечина А.В., Кривов Е.А., Костюченко В.В., Голанов А.В., Гомболевский В.А., Морозов С.П., Беляев М.Г. Accelerating 3D Medical Image Segmentation by Adaptive Small-Scale Target Localization Journal of Imaging, Journal of Imaging, 7(2), p.35. (год публикации - 2021)
10.3390/jimaging7020035

3. Гончаров М.Ю., Чернина В.Ю., Писов М., Гомболевский В.А., Морозов С.П., Беляев М.Г. Quantification of Epicardial Adipose Tissue in Low-Dose Computed Tomography Images Lecture Notes in Electrical Engineering, Proceeding of 2021 International Conference on Medical Imaging and Computer-Aided Diagnosis. 10 p. (год публикации - 2021)

4. Василюк А.В., Беляев М.Г. Reducing False-Positive Detections Using the Distance Between Activation Distributions in Individual Channels IEEE MCE (год публикации - 2022)

5. Захаров А.А., Писов М., Бухараев А.Н, Петряйкин А.В., Морозов С.П., Гомболевский В.А., Беляев М.Г. Interpretable Vertebral Fracture Quantification via Anchor-Free Landmarks Localization Medical Image Analysis (год публикации - 2022)

6. Заказов И., Шапошников В., Беспалов Я., Дылов Д. Feather-Light Fourier Domain Adaptation in Magnetic Resonance Imaging Domain Adaptation and Representation Transfer Workshop, MICCAI Workshop on Domain Adaptation and Representation Transfer, pp. 88-97. (год публикации - 2022)
10.1007/978-3-031-16852-9_9

7. Василюк А., Фролова Д., Беляев М., Широких Б. Exploring Structure-Wise Uncertainty for 3D Medical Image Segmentation Proceedings of Medical Imaging and Computer-Aided Diagnosis Conference (год публикации - 2023)

8. Шимоволос С.А., Шушко А., Беляев М.Г., Широких Б.Н. Adaptation to CT Reconstruction Kernels by Enforcing Cross-Domain Feature Maps Consistency Journal of Imaging, 8(9), 234 (год публикации - 2022)
10.3390/jimaging8090234

9. Василюк А.В., Фролова Д., Беляев М.Г., Широких Б.Н. Limitations of Out-of-Distribution Detection in 3D Medical Image Segmentation Joirnal of Imaging (год публикации - 2023)

10. Гончаров М.Ю., Соболева В.В., Курмуков А.И., Писов М., Беляев М.Г. vox2vec: A Framework for Self-supervised Contrastive Learning of Voxel-level Representations in Medical Images International Conference on Medical Image Computing and Computer Assisted Intervention (год публикации - 2023)

11. Василюк А.В.,Фролова Д.,Беляев М.Г., Широких Б.Н. Redesigning Out-of-Distribution Detection on 3D Medical Images UNSURE workshop, MICCAI (год публикации - 2023)

Публикации