Поморцев Алексей Викторович, доктор медицинских наук, профессор, заведующий кафедрой лучевой диагностики № 1
Pomortsev Alexey Viktorovich, MD, Professor, Head of the Department of Radiation Diagnostics No. 1
Krasnodar
Дьяченко Юлия Юрьевна, кандидат медицинских наук, доцент кафедры лучевой диагностики № 1
Dyachenko Yulia Yurievna, PhD, Associate Professor of the Department of Radiation Diagnostics No. 1, Kuban State Medical University
Krasnodar
Арутюнян Екатерина Алексеевна, клинический ординатор кафедры лучевой диагностики № 1
Arutyunyan Ekaterina Alekseevna, Clinical Resident of the Department of Radiation Diagnostics No. 1
Krasnodar
Матосян Мариам Альбертовна, ассистент кафедры лучевой диагностики № 1
Matosyan Mariam Albertovna, Assistant of the Department of Radiation Diagnostics No. 1
Krasnodar
Хагурова Любовь Аслановна, лаборант кафедры лучевой диагностики № 1, Кубанского государственного медицинского университета; врач ультразвуковой диагностики Краевого перинатального центра
Khagurova Lyubov Aslanovna, Laboratory assistant at the Department of Radiation Diagnostics No. 1, Kuban State Medical University; ultrasound diagnostics doctor at the Regional Perinatal Center
Krasnodar
Новикова Анастасия Сергеевна, лаборант кафедры лучевой диагностики № 1 Кубанского государственного медицинского университета; врач ультразвуковой диагностики Краевого перинатального центра
Novikova Anastasia Sergeevna, Laboratory assistant at the Department of Radiation Diagnostics No. 1, Kuban State Medical University; Ultrasound diagnostics doctor at the Regional Perinatal Center
Krasnodar
Цель исследования. Целью работы является оценка диагностических возможностей применения искусственного интеллекта в ультразвуковой диагностике выявления врожденных пороков центральной нервной системы, сердечно-сосудистой системы и органов брюшной полости плода во II триместре беременности.
Материалы и методы. В ходе работы по оценке возможностей применения искусственного интеллекта в пренатальной ультразвуковой диагностике в выявлении врожденных пороков развития различных систем и органов было проведено ультразвуковое исследование 371 пациентки во II триместре беременности. Проводились сбор материалов, обработка снимков, графическое выделение основных анатомических структур, «обучение» нейросетевой модели функции «распознавания» анатомических ориентиров и формирования инструментального диагноза по типу «норма» и «не норма».
Результаты. Было получено и графически выделено 1484 эхограммы с визуализацией структур головного мозга плода в аксиальном сечении, сердца в четырехкамерном срезе и сосудов в срезе через три сосуда, а также органов брюшной полости в поперечно-абдоминальном срезе. «Обучение» нейросетевой модели проводилось с использованием как ультразвуковых снимков с нормальным анатомическим строением указанных областей структур, так и с патологически измененной ультразвуковой картиной.
Заключение. Применение искусственного интеллекта в современной пренатальной ультразвуковой диагностике в выявлении врожденных пороков развития плода во II триместре беременности может позволить с достаточно высокой точностью сформировать инструментальный диагноз по типу «норма» и «не норма».
Aim. The aim of the study is to evaluate the diagnostic possibilities of using artificial intelligence in ultrasound diagnostics for detecting congenital malformations of the central nervous system, cardiovascular system and abdominal organs of the fetus in the second trimester of pregnancy.
Materials and Methods. In the course of work to evaluate the possibilities of using artificial intelligence in prenatal ultrasound diagnostics in the detection of congenital malformations of various systems and organs, an ultrasound examination of 371 patients was performed in the second trimester of pregnancy. The materials were collected, images were processed, the main anatomical structures were graphically highlighted, the neural network model was «trained» to «recognize» anatomical landmarks and form an instrumental diagnosis of the type «norm» and «not norm».
Results. 1484 echograms were obtained and graphically isolated with visualization of fetal brain structures in axial section, heart in a four-chamber section and vessels in a three-vessel section, as well as abdominal organs in a transversely abdominal section. The neural network model was «trained» using ultrasound images with a normal anatomical structure of these areas of structures, as well as with pathologically altered ultrasound images.
Conclusion. The use of artificial intelligence in modern prenatal ultrasound diagnostics in the detection of congenital malformations of the fetus in the second trimester of pregnancy can make it possible to form an instrumental diagnosis of the type «normal» and «not normal» with sufficiently high accuracy.
The authors declare that there are no conflicts of interest present.