Digital Diagnostics

摘要

论证。光学相干断层扫描是一种现代高科技和信息丰富的方法，用于检测视网膜和玻璃体视网膜前层的病理。然而，对研究结果的描述和解释需要眼科医生的高技能和专业培训，还需要医生和病人花费大量时间。与此同时，如今使用基于人工神经网络设备的数学模型可以实现许多图片处理过程的自动化。因此，在人工神经网络模型深度学习的基础上解决光学相干断层扫描图片分类过程的自动化问题具有现实意义。

目的。本研究的目的是开发基于卷积神经网络深度学习的数学（计算机）模型结构，此类网络设计被用于视网膜光学相干断层扫描的的图像分类；使用Google Colaboratory的Python工具，比较单一模型和多模型方法的计算实验结果，并评估分类准确性；就人工神经网络模型的最佳架构和所使用的超参数值得出结论。

材料与方法。原始数据集是真正患者的匿名光学相干断层扫描图像，其中包括2000多张图像。图像直接从设备中获取，分辨率为1920×969×24 BPP。图像类别数量为12个。为了创建训练和验证数据集，对1100×550×24 BPP主题区域进行了“切割”。研究了不同的方法：使用带学习转移的预训练卷积神经网络的可能性、图像缩放和增强技术，以及人工神经网络模型超参数的不同组合。在编制模型时，使用了以下参数：Adam优化器、categorical_crossentropy损失函数、accuracy指标。所有图像和人工神经网络模型的技术处理都是通过Google Colaboratory的Python语言工具进行的。

结果。提出了视网膜光学相干断层扫描图片分类的单模型和多模型原理。使用不同的人工神经网络模型架构对来自DRI OCT Triton断层扫描仪的此类图像进行自动分类的计算实验表明了，训练和验证期间的准确率为98%-100%，额外测试的准确率为85%。这是一个令人满意的结果。人工神经网络模型的最佳架构是6层卷积网络，并确定了其超参数值。

结论。对不同结构的卷积神经网络模型进行深度学习、验证和测试的结果表明，视网膜光学相干断层扫描图片分类的准确度令人满意。这些研制成果可被用于眼科领域的决策支持系统。

论证。主动脉瘤是“无声杀手”，发病时没有任何症状，而且可能致命。胸主动脉瘤的年发病率约为每10万人10例，动脉瘤破裂的发病率约为1.6例。早期诊断和治疗可以挽救患者的生命。人工智能技术的使用可以大大提高诊断质量，防止死亡。

目的。本研究的目的是评估人工智能技术在胸部计算机断层扫描中检测胸主动脉瘤的有效性，并探讨这些技术作为放射科医生临床决策支持系统在放射学检查初步描述中的可行性。

材料与方法。对使用人工智能技术在无对比度增强的胸部计算机断层扫描中检测胸主动脉瘤的结果进行了评估。研究人员对84405名18岁以上的患者进行了抽样检查。通过人工智能技术筛选出86个疑似胸主动脉瘤的检查。俄罗斯N.V.斯克利福索夫斯基急救研究所的血管外科医生对这些检查结果进行了回顾性分析。两名放射科医生也对这些检查进行了回顾性评估。

另外从总数中随机抽取，形成了包括968个检查在内的额外样本以评估患者年龄与胸主动脉直径之间的相关性。

结果。分析表明，在44例检查中，动脉瘤最初是由放射科医生检测到的；在31例检查中，动脉瘤未被描述，但人工智能技术帮助确定了病理。另有6例检查被排除在样本之外，而有5例检查发现了假阳性检测结果。

使用人工智能技术可以检测并突出显示医学图像中主动脉的病理变化。因此，在解读胸部计算机断层扫描结果时发现胸主动脉瘤的概率提高了41%。在放射学研究的初步描述和回顾性研究中，使用人工智能技术来防止遗漏具有临床意义的病理是可行的，既可作为放射科医生的医疗决策支持系统，又可提高胸主动脉病理扩张的可探测性。

在另一个成年人群样本中，胸主动脉扩张的发生率为14.5%，胸主动脉瘤的发生率为1.2%。数据还显示了，男性和女性的胸主动脉直径与年龄有关。

结论。将人工智能技术应用于胸部器官CT结果的初步描述过程中，可以提高对胸主动脉瘤等临床重大病理状态的检测。利用人工智能技术扩大胸部计算机断层扫描的回顾性筛查范围，可提高合并症的诊断质量，避免给患者带来不良后果。

论证。现代眼内镜片的植入使眼科医生能够有效解决白内障患者的手术康复难题。患者视觉功能的改善程度与术前计算眼内镜片光学倍率的准确性直接相关。SRK II、SRK/T、Hoffer-Q、Holladay II、 Haigis、Barrett等公式都被用来计算这一指数。所有这些公式对于“中等症患者”来说都很有效。但是，在输入变量范围的极端情况下，它们就不够充分。

目的。本研究的目的是探索使用人工神经网络深度学习衍生的数学模型来归纳数据并预测现代眼内镜片光学倍率的可能性。

材料与方法。基于人工神经网络的模型训练是在大规模样本上进行的，包括来自眼科诊所患者的匿名数据。这些数据由眼科医生K.K.谢雷赫于2021年提供。这些数据反映了患者术前和术后的观察结果。用于建立基于人工神经网络模型的源文件包括455条记录（26列输入因子和1列输出因子），被用于计算眼内镜片（屈光度）。为了方便地建立模型，使用了先前开发的一个模拟程序。

结果。与传统的公式相比，所获得的模型更能反映患者的区域特性。它们还可以根据新获得的数据重新训练和优化模型结构。这样就有可能考虑到对象的非稳定性。与白内障手术中广泛使用的已知公式相比，这种基于人工神经网络模型的一个显著特点是可以考虑大量记录的输入值。这使得计算眼内镜片光学倍率的平均相对误差可以从10-12%降低到3.5%。

结论。本项研究表明，使用人工神经网络模型的深度学习来归纳大量经验数据来计算人工晶状体的光学强度是基本可行的。与使用传统公式和方法相比，这种网络的输入变量数量要大得多。所得结果使得构建新数据动态输入、模型逐步再训练的智能专家系统成为可能。

论证。根据俄罗斯联邦卫生部命令《关于向成年居民提供眼部、眼部附属装置和眼眶疾病医疗服务的程序批准》，综合医院的医疗咨询和诊断部门都配备光学相干断层扫描仪。然而，视网膜病变患者在开始治疗后的动态观察通常是在专门眼科医疗中心进行。这就降低了对首次发现（原发性）病变患者的治疗机会，因为这些患者需要尽早开始治疗。需要改变和加强现有技术，包括使用人工智能技术。

目的。本研究旨在利用基于人工智能的医疗决策支持系统，为眼后段病变患者的防治观察组织技术奠定方法论基础。

材料和方法。在对《俄罗斯联邦宪法》、联邦法律、附属法规和司法实践分析的基础上，对现有管理框架进行了评估。使用专家方法编制了描述光学相干断层扫描图像的结构化医学文件：对100名具有适当教育水平的眼科医生进行了问卷调查，包括额外的专业教育。所有医生都从事医疗服务工作，即为眼后段病变患者提供专业医疗服务。结构化医疗文件是形成人工神经网络预测器的基础。利用基于特征的分类和分割方法，使用60000张医学图像对神经网络进行了训练。

结果。通过专家方法选取并描述了123个能够描述正常和病理下视网膜黄斑区结构的二元特征。其中，26个特征被确定为疾病临床过程恶化的预测器。

结论。所开发的分类器可以在60000张医学图像的基础上创建和训练一个医疗决策支持系统。该系统可用作信息服务。它可以在不做出诊断的情况下改变动态观察过程的组织结构。患者路径选择是已开发的医疗决策支持系统的主要服务。如果临床症状有恶化的迹象，患者就会被转诊到眼科医疗中心，以接受动态评估及包括高科技在内的专业医疗服务。

论证。近二十年来，俄罗斯联邦居民循环系统疾病的发病率持续上升。从2000年到2019年，此类疾病的数量增加了2.047倍。血管钙化过程包括钙盐在动脉壁的沉积，这导致血管壁重塑。放射性检查方法是诊断血管钙化的金标准。然而，随着数据量的增加和诊断时间的需要，工作效率不可避免地下降，人工智能的积极发展和应用于临床为专家解决这些问题提供了机会。

目的。本研究的目的是分析国内外关于使用人工智能诊断不同类型血管钙化的文献，同时，总结血管钙化的预后价值，并评估在不使用人工智能的情况下阻碍血管钙化诊断的方面。

材料与方法。在电子数据库PubMed、Web of Science、Google Scholar和eLibrary中搜索了相关出版物。搜索时使用了以下关键词：“artificial intelligence”，“machine learning”，“vascular calcification”，“人工智能”、“机器学习”、“血管钙化”。检索时间为相关数据库建立至2023年7月。

结果。综述中包含的研究的主要方法是比较临床医生和人工智能使用相同图片的诊断能力，然后评估准确性、速度和其他指标。血管钙化发生的部位差异很大，这也是其预后价值不同的原因。

结论。事实证明，人工智能在诊断血管钙化方面表现出色。除了提高准确性和效率外，其细节处理能力也超过人工诊断方法。人工智能已经达到了帮助仪器诊断医生自动检测血管钙化的水平。未来，人工智能的能力可以促进放射学的有效发展。

本文对计算机视觉算法在腹部和腹膜后计算机断层扫描图片被用于诊断肝肾肿块以及泌尿系统结石的情况进行了有选择性的文献综述。

综述中的文章发表于2020年1月1日至2023年4月24日。

在肝脏及其肿块的分割任务中，使用像素算法显示出最高的诊断准确率参数值（准确率达到99.6%；Dice相似系数为0.99）。目前，基于体素的算法能较好地解决肝肿块分类任务（准确率高达82.5%）。

通过分析像素和体素的算法，肾脏及其肿块的分割和肾肿块的分类同样出色（准确率达到99.3%，Dice相似系数为0.97）。

现在，计算机视觉算法也能高度准确地检测出泌尿系统中3毫米及以上大小的结石（准确率达到93.0%）。

因此，现有的计算机视觉算法不仅能有效检测肝肾肿块以及泌尿系统中的结石，还能高度准确地确定它们的定量和定性特征。

通过评估体素数据，可以提高肿块类检测的准确度。在这种情况下，算法会对整个肿块进行三维分析，而不仅只是在一个切片的平面上进行分析。