Студент НовГУ обучил нейросеть находить признаки деменции на снимках мозга

19 мая 2026, 10:19   50

Диагностировать деменцию на ранней стадии на данный момент сложно даже с помощью современного оборудования. Для решения этой проблемы в Новгородском университете обучают нейросеть EfficientNet для диагностики снимков головного мозга. Прототип уже различает здоровых пациентов и людей с когнитивными нарушениями с точностью 79% на тестовой выборке.

Автором разработки выступил первокурсник Политехнического института НовГУ Егор Фекличев.

По данным Всемирной организации здравоохранения, в 2021 году количество людей, страдающих деменцией, достигло 57 миллионов, а каждый год появляется около 10 миллионов новых случаев. В России число таких пациентов достигает двух миллионов, и ожидается подъём на три или четыре миллиона к 2050 году.

— На ранних стадиях симптомы часто воспринимаются как обычные возрастные изменения, и из-за этого пациенты и их семьи могут слишком поздно обращаются за медицинской помощью, — пояснил Егор Фекличев. — Именно поэтому важны методы выявления когнитивных нарушений, в том числе, с применением искусственного интеллекта и анализа медицинских изображений. Такой помощник увеличил бы частоту выявления деменции и точность постановки диагноза.

Для создания прототипа проводилось сравнительное тестирование трёх нейросетей, способных распознавать изображения: EfficientNet, VGG и ResNet. В качестве начального датасета использовались материалы проекта OASIS, содержащие данные томографии мозга как здоровых, так и больных людей с разными степенями тяжести.

Проект OASIS имеет несколько наборов данных, содержащих различное наполнение в плане клинических исследований. Для обучения нейросети использовались наборы OASIS-1 и OASIS-2. Первый содержит данные МРТ 416 человек в возрасте от 18 до 96 лет и включает как здоровых людей, так и пациентов с болезнью Альцгеймера на стадиях от очень легкой до умеренной. Второй включает повторяющиеся во времени МРТ-сканирования 150 пожилых людей, от 60 до 96 лет, — набор также содержал результаты тестирований на тяжесть деменции MMSE и CDR.

— Степень когнитивного снижения определялась не по одному отдельному признаку на снимке, а по совокупности структурных изменений мозга, — рассказал разработчик. — Нейросеть анализировала трёхмерный МРТ-объём и училась находить закономерности, связанные с атрофией мозговой ткани, изменениями в височных областях и гиппокампе, расширением желудочковой системы и другими признаками, которые могут сопровождать болезнь Альцгеймера. MMSE и CDR при этом использовались как клиническая разметка: модель сопоставляла найденные на МРТ особенности с уже известной оценкой когнитивного состояния пациента.

После анализа снимков программа относила пациентов к одному из классов когнитивного состояния. В основе разметки использовалась шкала CDR: значение 0 соответствует отсутствию признаков деменции, промежуточные значения указывают на сомнительное или лёгкое когнитивное снижение, а более высокие значения соответствуют выраженной стадии заболевания. Таким образом, искусственный интеллект не просто «запоминает» снимки, а учится находить в них закономерности, связанные с клинической оценкой состояния пациента.     

В результате сравнения трёх моделей наибольшую эффективность в правильности анализа показала модель EfficientNet – 79% правильных ответов. Остальные две – VGG и ResNet – демонстрировали от 50% до 60% эффективности. Как поясняет автор разработки, дальнейшая работа будет направлена на увеличение датасета и повышение эффективности прототипа модели.

— В России сейчас нет подобных открытых баз данных, поэтому планируем задействовать американские или британские датасеты для более глубокого обучения, — рассказал Егор Фекличев. — Помимо этого потребуется более тонкая настройка программы для улучшения её работы. Перед внедрением в практическое здравоохранение программа должна показывать эффективность минимум в 85% или 90% случаев. Прототип имеет выраженное преимущество перед аналогами, поскольку они либо применяют менее информативные методы (ЭЭГ вместо МРТ), либо не получили развития.

Прототип был представлен на международной научно-практической конференции «Цифровые горизонты: современные вызовы информатики и вычислительной техники», проходившей в Политехническом институте. 

Ранее в НовГУ выявили, что атрофия мышц ухудшает умственные способности людей с болезнью почек.

Эту и другие новости читайте в официальном МАХ-канале Новгородского университета.