Ученые МФТИ разработали гибридную нейросетевую архитектуру для сегментации левого предсердия на МРТ-снимках. Модель под названием cerebellar-inspired использует принципы работы мозжечка человека, что повышает устойчивость алгоритмов к шумам и артефактам.
Архитектура включает рекуррентный блок для обработки данных и «мозжечковый» модуль, прогнозирующий скрытые признаки изображения. Это позволяет системе выдавать корректирующие сигналы и стабилизировать вычисления при работе с искаженными клиническими данными.
В ходе испытаний на наборе данных ATRIA (100 пациентов) точность сегментации по коэффициенту Дайса выросла с 0,801 до 0,815. Модель показала улучшенные показатели точности границ, что необходимо для планирования операций катетерной абляции.
Разработка отличается вычислительной эффективностью: обработка одного 3D-объема МРТ занимает 18 миллисекунд против 23 секунд у алгоритма nnU-Net. Модель потребляет 109 МБ видеопамяти, что в 15 раз меньше, чем 1,5 ГБ, требуемые для nnU-Net.
Исходный код модели опубликован на GitHub. В дальнейшем исследователи планируют протестировать архитектуру на реальных клинических искажениях, вызванных дыханием пациентов, и добавить механизмы, имитирующие работу тормозных интернейронов мозжечка.
