Екатерина Костина МФТИ

В вузе создали нейросеть по принципу мозжечка

Мозжечок в человеческом мозге не просто управляет движениями — он предсказывает будущее. Ученые МФТИ перенесли этот принцип в нейросеть.
Автор Наука Mail
Архитектура предлагаемой гибридной модели сегментации
Модель имитирует предсказательную функцию мозжечкаИсточник: mipt.ru

Ученые Московского физико-технического института (МФТИ) разработали нейросеть для разметки левого предсердия на МРТ-снимках. В основе архитектуры — принцип работы мозжечка.

Точная разметка левого предсердия нужна перед операцией при фибрилляции предсердий — нарушении ритма сердца. Врач должен видеть контуры органа на трехмерных снимках. Но качество МРТ часто страдает из-за шумов, артефактов движения и ограничений по времени сканирования. Обычные нейросети в таких условиях теряют точность.

схема расположения мозжечка
Мозжечок в организме не только управляет движениями, но и предсказывает будущие состоянияИсточник: Wikipedia

Ученые обратились к нейробиологии. Мозжечок в организме не только управляет движениями, но и предсказывает будущие состояния коры головного мозга, выдавая корректирующие сигналы. Исследователи воспроизвели этот принцип в архитектуре нейросети.

Мы воспроизвели этот принцип в архитектуре нейросети. В нашей модели «корковый» рекуррентный блок обрабатывает данные, а встроенный «мозжечковый» модуль учится предсказывать, какими будут скрытые признаки изображения на следующем шаге. Это позволяет выдавать упреждающую поправку и стабилизировать вычисления даже при поступлении искаженных данных.
Екатерина Костина
инженер лаборатории экспериментальной и клеточной медицины МФТИ

Эксперименты провели на открытом наборе данных ATRIA — 100 пациентов с фибрилляцией предсердий. На зашумленных снимках точность выросла с 0,801 до 0,815 по коэффициенту Дайса. Модель также улучшила точность границ, что важно для планирования операций.

Главное преимущество — скорость и экономичность. Нейросеть обрабатывает один трехмерный снимок за 18 мс — примерно в 1000 раз быстрее эталонного алгоритма nnU-Net. При этом она использует в 15 раз меньше видеопамяти. Это значит, что ее можно запускать на обычном оборудовании, без дорогих вычислительных ферм.

В условиях реальной клиники, где снимки никогда не бывают идеальными, стабильность работы алгоритма выходит на первый план. Мы предлагаем инструмент, который почти не уступает в базовой точности и гарантирует воспроизводимый результат вне зависимости от смены аппарата или протокола съемки.
Валерия Цвелая
заведующая лабораторией экспериментальной и клеточной медицины МФТИ

Исходный код модели опубликован на GitHub. В планах — проверить архитектуру на реальных клинических артефактах, включая искажения от дыхания пациентов, и усложнить модель, добавив механизмы тормозных интернейронов мозжечка. Результаты опубликованы в журнале Applied Sciences.

Ранее Наука Mail писала о том, что Anthropic предупредила о риске уничтожения человечества нейросетями.