Проекты
Исследование алгоритмов машинного обучения для создания персонифицированных моделей сердца на основе томографии
Тип участника:
Физическое лицо
Полное наименование организации/физического лица/авторского или творческого коллектива:
Карнаухова Виктория Олеговна
ФИО всех участников авторского/творческого коллектива:
Карнаухова Виктория Олеговна
Идея и краткое описание ИТ-проекта:
В работе предложен подход к интерполяции МРТ-изображений стенки левого предсердия с помощью алгоритма RIFE для построения 3D-модели сердца с изотропными вокселями. Метод позволяет повысить точность моделирования и сократить затраты на ручную разметку. Полученная модель прошла верификацию и функциональное тестирование.
Перечень решаемых задач:
1) Работа с датасетами в разных форматах
2) Решение задачи интерполяции
3) Проверка качества интерполяции на обучающем датасете
4) Проверка качества интерполяции на другом датасете
5) Оценка качества интерполяции, используя симуляции в OpenCarp
6) Персонализированное моделирование действия лекарств
2) Решение задачи интерполяции
3) Проверка качества интерполяции на обучающем датасете
4) Проверка качества интерполяции на другом датасете
5) Оценка качества интерполяции, используя симуляции в OpenCarp
6) Персонализированное моделирование действия лекарств
Описание функциональных возможностей и элементов проекта:
Разработанная система представляет собой последовательный пайплайн
обработки данных, направленный на генерацию 3D-модели сердечной стенки
и выполнение электрофизиологических симуляций.
Общая архитектура пайплайна включает в себя следующие этапы:
1) Обработка сегментированных МРТ-данных
Подготовка исходных данных, полученных после сегментации, включая нормализацию изображений, приведение к нужному формату и размеру.
2) Интерполяция изображений
Восстановление недостающих срезов между существующими с помощью нейросетевой модели RIFE. Этот шаг позволяет повысить разрешение данных по оси Z и улучшить качество итоговой 3D-модели.
3) Построение 3D-модели стенки (опциональный этап)
Этот этап требуется в случае, если исходные данные представлены в виде отдельных моделей эпикарда и эндокарда - чаще всего в формате .vtk или аналогичных, где геометрия задается в виде точек и поверхностей (так называемое “облако точек” или PolyData). В такой ситуации необходимо построить трехмерную модель стенки предсердия, которая представляет собой объем, заключенный между поверхностями эпикарда (внешней стенки) и эндокарда (внутренней).
4) проведение электростимуляции
Проведение численного моделирования распространения электрического сигнала на полученных моделях.
Общая архитектура пайплайна включает в себя следующие этапы:
1) Обработка сегментированных МРТ-данных
Подготовка исходных данных, полученных после сегментации, включая нормализацию изображений, приведение к нужному формату и размеру.
2) Интерполяция изображений
Восстановление недостающих срезов между существующими с помощью нейросетевой модели RIFE. Этот шаг позволяет повысить разрешение данных по оси Z и улучшить качество итоговой 3D-модели.
3) Построение 3D-модели стенки (опциональный этап)
Этот этап требуется в случае, если исходные данные представлены в виде отдельных моделей эпикарда и эндокарда - чаще всего в формате .vtk или аналогичных, где геометрия задается в виде точек и поверхностей (так называемое “облако точек” или PolyData). В такой ситуации необходимо построить трехмерную модель стенки предсердия, которая представляет собой объем, заключенный между поверхностями эпикарда (внешней стенки) и эндокарда (внутренней).
4) проведение электростимуляции
Проведение численного моделирования распространения электрического сигнала на полученных моделях.
Дата внедрения (в случае, если предполагается запуск проекта в эксплуатацию):
-
Используемые платформы, средства разработки:
Python, библиотеки Python, ParaView, 3D Slicer
Стоимость разработки системы:
студенческий проект
Средний размер ежегодных затрат на эксплуатацию:
не рассматривался
Перспективы развития:
На текущем этапе разработанный сервис предназначен исключительно
для использования в рамках научных исследований и применяется
сотрудниками исследовательской лаборатории. Основной целью интеграции
является упрощение процессов анализа и визуализации томографических
данных, а также ускорение создания персонифицированных анатомических
моделей сердца для последующего анализа. Пока что предполагается, что
данные модели будут использоваться либо для тестирования различных
антиаритмиков, либо в подготовительных целях перед операциями
радиочастотной абляции, “прижигающей” очаги аритмии.
Данный сервис может быть развернут на рабочих станциях лаборатории или на выделенном сервере, поддерживающем необходимые 47 вычислительные мощности (в том числе GPU-ускорение при необходимости). Пользовательский интерфейс реализован в виде консольного интерфейса, ориентированного на специалистов с соответствующей подготовкой - исследователей и инженеров.
Следует подчеркнуть, что разработанный сервис не предназначен для клинического применения и не прошел клинических испытаний. В соответствии с нормативными требованиями, использование любых медицинских решений в реальной клинической практике возможно только после прохождения нескольких этапов:
1) Проведение клинических испытаний - для этого нужно найти клинику-партнера, провести на ее базе тестовые испытания и определить чувствительность и специфичность технологии на тестовой выборке
2) Прохождение регистрации медицинского изделия 3 класса риска
3) Прохождение инспектирования (проверка системы качества) ГОСТ ISO 13485-2017
Таким образом, в рамках настоящей работы сервис позиционируется как инструмент для внутреннего научного использования, который может быть в будущем адаптирован под более широкое применение. Потенциально он может лечь в основу клинической системы поддержки принятия решений, однако это потребует отдельной работы по клиническому внедрению, верификации и получению необходимых разрешений от регулирующих органов.
Данный сервис может быть развернут на рабочих станциях лаборатории или на выделенном сервере, поддерживающем необходимые 47 вычислительные мощности (в том числе GPU-ускорение при необходимости). Пользовательский интерфейс реализован в виде консольного интерфейса, ориентированного на специалистов с соответствующей подготовкой - исследователей и инженеров.
Следует подчеркнуть, что разработанный сервис не предназначен для клинического применения и не прошел клинических испытаний. В соответствии с нормативными требованиями, использование любых медицинских решений в реальной клинической практике возможно только после прохождения нескольких этапов:
1) Проведение клинических испытаний - для этого нужно найти клинику-партнера, провести на ее базе тестовые испытания и определить чувствительность и специфичность технологии на тестовой выборке
2) Прохождение регистрации медицинского изделия 3 класса риска
3) Прохождение инспектирования (проверка системы качества) ГОСТ ISO 13485-2017
Таким образом, в рамках настоящей работы сервис позиционируется как инструмент для внутреннего научного использования, который может быть в будущем адаптирован под более широкое применение. Потенциально он может лечь в основу клинической системы поддержки принятия решений, однако это потребует отдельной работы по клиническому внедрению, верификации и получению необходимых разрешений от регулирующих органов.
Достижение поставленных целей:
Работа включает в себя полный технических пайплайн: от
предобработки МРТ и интерполяции до генерации полных 3D-моделей
стенки предсердия, включая проведение электрофизиологических симуляций.
Актуальность, экономическая или социальная полезность:
В последние годы искусственный интеллект (ИИ) стремительно проникает во все сферы человеческой деятельности, включая медицину. Одна из этих сфер - кардиология, раздел медицины, занимающийся изучением сердечно-сосудистой системы.
Одно из его возможных применений заключается в тестировании новых лекарственных препаратах на персональной 3D-модели человеческого сердца - сейчас человечество начинает отходить от тестирования на животных, в частности, крысах. Причин этому достаточно много - помимо этических соображений, есть и вполне существенная разница между крысиными и человеческими кардиомиоцитами. Как пример - разное соотношение ионных токов [1], что существенно может повлиять на восприятие различных веществ.
Также в последнее время широко развивается область персонализированной медицины. Изучаются условия возникновения аритмий для конкретного пациента, а также предполагается создавать 3D-модели для улучшенного проведения операции абляции и снижения рецидивов в кардиохирургии - после первичной абляции ее частота может достигать 30-50% в течение первого года
Предложенная система демонстрирует возможность создания доступных и функциональных инструментов для применения в персонализированной кардиологии, что в будущем может стать неотъемлемой частью комплексной диагностики и планирования операций.
Одно из его возможных применений заключается в тестировании новых лекарственных препаратах на персональной 3D-модели человеческого сердца - сейчас человечество начинает отходить от тестирования на животных, в частности, крысах. Причин этому достаточно много - помимо этических соображений, есть и вполне существенная разница между крысиными и человеческими кардиомиоцитами. Как пример - разное соотношение ионных токов [1], что существенно может повлиять на восприятие различных веществ.
Также в последнее время широко развивается область персонализированной медицины. Изучаются условия возникновения аритмий для конкретного пациента, а также предполагается создавать 3D-модели для улучшенного проведения операции абляции и снижения рецидивов в кардиохирургии - после первичной абляции ее частота может достигать 30-50% в течение первого года
Предложенная система демонстрирует возможность создания доступных и функциональных инструментов для применения в персонализированной кардиологии, что в будущем может стать неотъемлемой частью комплексной диагностики и планирования операций.
Масштабируемость, способность к взаимодействию с другими системами, мобильность:
Предложенное решение показало свою
работоспособность как на уровне структурной точности, так и на уровне
функционального поведения моделей в динамике. Все
этапы пайплайна реализованы в виде независимых Python-скриптов и могут
быть повторно использованы или адаптированы под другие клинические
случаи.
Обоснованность применяемых проектных решений:
Для
оценки точности было применено два подхода: восстановление
«промежуточных» изображений в стэке МРТ изображений (коэффициент
DICE = 0.8773), а также проверка функциональности полученных 3D моделей
на референсном датасете с МРТ максимального качества - более 9 Тесла на
фиксированных извлеченных сердцах.
Для функциональных тестов полученных 3D моделей проводилась симуляция проведения волны возбуждения стенкой левого предсердия; решение соответствующих дифференциальных уравнений проводилось в среде OpenCarp (открытом симуляторе сердечной электрофизиологии для виртуальных экспериментов).
Для функциональных тестов полученных 3D моделей проводилась симуляция проведения волны возбуждения стенкой левого предсердия; решение соответствующих дифференциальных уравнений проводилось в среде OpenCarp (открытом симуляторе сердечной электрофизиологии для виртуальных экспериментов).
Оригинальность, новизна, отличие от аналогов либо отсутствие аналогов:
Аналогичный подход ранее был успешно применен для интерполяции МРТ изображений головного мозга ( Gambini L., Gabbett C., Doolan L., Jones L., Coleman J. N., Gilligan P., Sanvito S. Video frame interpolation neural network for 3D tomography across different length scales [Электронный ресурс] // Nature Communications.– 2024.– Т. 15, №1.– С. 7962.– Режим доступа: https://www.nature.com/articles/s41467-024-52260-2, свободный.– DOI: 10.1038/s41467-024 52260-2.).
Ранее научная группа лаборатории, частью которой я являюсь, публиковала результаты об экспериментах с RIFE (https://www.sciencedirect.com/science/article/abs/pii/S0169260725001397?via%3Dihub)
В открытом доступе таких систем (вышедших на рынок и опубликованных научных работ) не было найдено. Есть зарубежные решения, представляемые компаниями Dassault Systèmes и 3D LifePrints, однако в наше время использовать иностранные решения крайне неблагоприятно. Также Томский политехнический университет заявлял о своем проекте по 3D-печати человеческого сердца, однако этот проект больше направлен на создание мануальной модели и для исследования внутренних структур сердца придется разрезать реальную модель, тем самым, повредив другие структуры и , возможно, пропустив какие-то детали. Кроме того, сохранение реальной толщины стенки остается под вопросом.
Ранее научная группа лаборатории, частью которой я являюсь, публиковала результаты об экспериментах с RIFE (https://www.sciencedirect.com/science/article/abs/pii/S0169260725001397?via%3Dihub)
В открытом доступе таких систем (вышедших на рынок и опубликованных научных работ) не было найдено. Есть зарубежные решения, представляемые компаниями Dassault Systèmes и 3D LifePrints, однако в наше время использовать иностранные решения крайне неблагоприятно. Также Томский политехнический университет заявлял о своем проекте по 3D-печати человеческого сердца, однако этот проект больше направлен на создание мануальной модели и для исследования внутренних структур сердца придется разрезать реальную модель, тем самым, повредив другие структуры и , возможно, пропустив какие-то детали. Кроме того, сохранение реальной толщины стенки остается под вопросом.
Гарантирую достоверность предоставленной в заявке информации. Подтверждаю, что организация не находится в состоянии ликвидации, банкротства, реорганизации (Только для организаций):
Да
Презентация проекта pdf:
Загрузить
