A.I.B.M. – interpretējamā mākslīgā intelekta sistēma kaulu metastāžu identificēšanai datortomogrāfijā un MR attēldiagnostikā

Šajā pētījumā tiks izmantoti 3D konvolūcijas neironu tīkli radioloģisko attēlu datu analīzei, koncentrējoties uz smalkām anatomiskām struktūrām metastāžu identificēšanai kaulos.  

Projekta ietvaros tiks izstrādāts neironu tīkls ar modulāru arhitektūru, kurā iekļauti konvolūcijas slāņi un difūzijas metode, lai uzlabotu metastātisku bojājumu noteikšanu un izvērtēšanu. Šo bojājumu atklāšana ir komplicēta to lieluma un mainīguma dēļ. Tīkls tiks apmācīts, validēts un testēts ar anotētu radioloģisko datu kopu no Latvijas, lai optimizētu modeļa veiktspēju lokālai populācijai un veicinātu plašāku DL pielietojumu medicīnas diagnostikā. 

Projekts ir sadalīts trīs posmos: 

1. Sākotnējais uzdevums ir uzlabot medicīnisko izpratni par kaulu metastāžu noteikšanu, vienlaikus izpētot visefektīvākās dziļās konvolūcijas neironu tīklu (DCNN) struktūras un algoritmus. 
2. Otrais uzdevums koncentrējas uz datu kopas segmentēšanu, vienlaikus veicot pētījumus un eksperimentus, izmantojot izveidotas dziļās konvolūcijas neironu tīklu (DCNN) un vizuālā transformatora dziļo neironu tīklu (DNN) arhitektūras un algoritmus. Izmantojot dziļo neironu tīklu apmācību, tiks izstrādāts sākotnējais modelis, kas var segmentēt iegurņa kaulus un mugurkaula skriemeļus.
3. Dziļā neironu tīkla modeļa validācija ikdienas klīniskajā praksē, salīdzinot ar pieredzējuša radiologa novērtējumu. 

Projekta pētnieku komanda

• Viktorija Cīrule 
• Matīss Šņukuts 
• Laura Saule 
• Madara Ratniece 
• Jana Solska 

Projekta sadarbības partneris

Elektronikas un datorzinātņu institūts