Сколтех — новый технологический университет, созданный в 2011 году в Москве командой российских и зарубежных профессоров с мировым именем. Здесь преподают действующие ученые, студентам дана свобода в выборе дисциплин, обучение включает работу над собственным исследовательским проектом, стажировку в индустрии, предпринимательскую подготовку и постоянное нахождение в международной среде.

Ученые Сколтеха создали устройство на основе методов машинного обучения для быстрого и безболезненного забора крови 

Исследователи Сколтеха разработали первый прототип медицинской системы визуализации, основанной на использовании нейронных сетей для анализа изображений вен в ближнем ИК-диапазоне и проецирования венозного рисунка на тело пациента. Новый метод поможет упростить забор венозной крови и снизить ощущения дискомфорта у пациентов, у которых по ряду причин может быть затруднен доступ к венам. Результаты исследования опубликованы в сборнике трудов XVI Международной конференции по управлению, автоматизации, робототехнике и техническому зрению (ICARCV).

Ежедневно в мире выполняется около 20 миллионов анализов крови. Авторы статьи приводят данные, согласно которым в 45% случаев забор крови вызывает определенный дискомфорт у пациентов в силу различных причин, затрудняющих доступ к венам: диабет, юный возраст пациента и индивидуальные особенности организма. Если вены плохо видны и не пальпируются, то даже опытные медицинские работники вынуждены прибегать к использованию технических средств, при этом рискуя сделать множественные или неточные проколы, что может иметь негативные последствия для пациента, особенно если речь идет о пожилых людях.

Доцент Центра Сколтеха по научным и инженерным вычислительным технологиям для задач с большими массивами данных (CDISE), руководитель группы вычислительной визуализации Сколтеха Дмитрий Дылов и его коллеги разработали интеллектуальный сканер вен ближнего ИК-диапазона, при помощи которого можно достаточно точно определять контуры вен на ногах и руках, причем делать это в полностью автоматическом режиме без использования каких-либо пользовательских данных. Для решения этой задачи исследователи использовали искусственные нейронные сети и методы обучения с подкреплением, что позволило более тщательно проанализировать изображения и спроецировать их на тело пациента, получив таким образом средство для визуализации вен с учетом особенностей комплекции и положения пациента.

«Хотя инфракрасные сканеры вен уже широко применяются в клинической практике, наш сканер является первой разработкой, основанной целиком и полностью на передовых методах ИИ: одна нейронная сеть отвечает за шумоподавление и обработку ИК-сигнала, вторая определяет контуры вен, а третья постоянно следит за тем, чтобы контуры вен, проецируемые на руку пациента, совпадали с их фактическими контурами. Нам оставалось лишь на этапе обучения объяснить системе, «что такое хорошо и что такое плохо». Все остальное нейронные сети сделали сами: автоматически нашли оптимальные настройки для новых пациентов, определили внешние условия и даже отследили искажения, в том числе и те, с которыми система ранее не сталкивалась», − рассказывает Дмитрий Дылов.

Ведущий автор статьи, аспирант Сколтеха Вито Лели отмечает, что даже в инфракрасном диапазоне, где вены отображаются более контрастно, точно обнаружить вену зачастую непросто в силу целого ряда факторов. «Создаваемый сканер был изначально предназначен главным образом для решения алгоритмических задач и обработки изображений. Мы стремились учесть тот факт, что контрастность сосудистой сети у пациентов может значительно варьироваться, например, в зависимости от оттенка кожи, толщины кожного покрова и т.д. Наш алгоритм в его окончательной версии также способен обнаруживать сосудистую сеть даже при низком отношении сигнал/шум, что подтверждается данными тестирования на группе пациентов», − добавляет Вито Лели.

Исследователи создали прототип устройства и провели эксперименты на добровольцах для проверки его работоспособности. Тесты показали, что сканер способен обнаруживать венозный рисунок в ближнем ИК-диапазоне, а затем проецировать его в виде изображения на руку пациента. «Забор крови на анализ обычно производится из вен предплечья, поэтому нам представлялось логичным разработать систему для визуализации вен именно в этой области. Однако наше устройство, благодаря свой компактности и гибкости, может также использоваться для визуализации сосудистой сети и на других частях тела, когда это необходимо для решения иных клинических задач, в частности, для установки катетера. На первом этапе исследования мы сформировали набор изображений предплечий в ближнем ИК-диапазоне, который впоследствии использовали для обучения устройства. Учитывая, что изображение руки можно считать практически «анонимным» (в отличие от фотографии лица), мы обратились с просьбой принять участие в съемке к добровольцам Сколтеха, которые с радостью согласились нам помочь», − отмечает соавтор статьи, студент магистратуры Сколтеха Александр Сарачаков.

Анализ крови при помощи нового устройства выполняется следующим образом: пациент кладет руку под устройство, которое практически мгновенно (менее чем за 1 секунду) находит вену и проецирует ее на предплечье пациента. «Если вдруг пациент пошевелит рукой (хотя мы не рекомендуем этого делать во время анализа крови с использованием игл), немедленно запустится процедура перенастройки системы», − поясняет Александр.

 «Предлагаемый нами сканер может масштабироваться для использования на других частях тела (например, сосудах лица и нижних конечностей), а также применяться в ветеринарных клиниках для выполнения сложных проколов вен у животных. Необходимо подчеркнуть, что мы стремились создать экономичное устройство, отличное от тех, которые сегодня предлагаются на рынке. Наши сети обладают необходимой легкостью и гибкостью, что позволит интегрировать их в существующие стандартные контроллеры», − отмечается в статье.

«В настоящее время мы работаем над решением задачи автоматического выбора оптимальных комбинаций моделей шумоподавления и сегментации, что позволит добиться чистоты изображений, а значит, и более точного распознавания вен. На данном этапе нам предстоит определить минимальный уровень отношения сигнал/шум, при котором мы могли бы проверить наличие у алгоритмов основных физических ограничений и изучить возможность использования недорогих компонентов. В ближайшее время мы планируем провести тестирование второй версии прототипа, а, следовательно, подойти непосредственно к этапу запуска продукта. Работать на стыке фундаментальной науки и практической инженерной реализации оказалось невероятно интересно», − отмечает один из авторов статьи, научный сотрудник Сколтеха Олег Рогов.

Контакты:
Skoltech Communications
+7 (495) 280 14 81

Tweet about this on Twitter0Share on Facebook0Pin on Pinterest0Share on Tumblr0Share on VK