Anotācija
Kaulu metastāzes (KM) ir trešā biežākā tālo metastāžu lokalizācija pēc plaušu un aknu iesaistes un būtiski veicina pacientu saslimstību sāpju, patoloģisku lūzumu un neiroloģisku komplikāciju dēļ. Agrīnu un drošu diagnozi apgrūtina KM klīniskā nemanāmība, konvencionālās rentgenogrāfijas ierobežotā jutība, ar vecumu saistītas skeleta izmaiņas un būtiska novērotāju starpvariabilitāte. Dziļās mācīšanās (DM) tehnoloģijas paver iespēju šos ierobežojumus pārvarēt; tomēr klīniskai ieviešanai risinājumam jānodrošina ne tikai augsta veiktspēja heterogēnos datos, bet arī caurskatāma lēmumu pieņemšana radiologu uzticības stiprināšanai.
Projekta A.I.B.M. ietvaros tiks izstrādāta, validēta un klīniski integrēta paskaidrojama DM sistēma, kas automātiski detektē un segmentē kaulu metastāzes volumetriskās datortomogrāfijas (DT) un magnētiskās rezonanses (MR) izmeklējumos, aptverot skriemeļu kolonnu un iegurņa kaulus. Retrospektīva PSKUS kohorta tiks anonimizēta un visos trijos griezumos (aksiālajā, sagitālajā, koronālajā) detalizēti anotēta ekspertu uzraudzībā. Pēc stingras priekšapstrādes, datu normalizācijas un paplašināšanas, 3D konvolucionālā arhitektūra tiks apmācīta valsts augstas veiktspējas skaitļošanas centrā.
Pētījuma mērķis
Izstrādāt, validēt un klīniski ieviest paskaidrojamu dziļās mācīšanās ietvaru, kas automātiski detektē, segmentē un raksturo kaulu metastāzes volumetriskos DT un MR izmeklējumos skriemeļu kolonnā un iegurņa kaulos, tādējādi uzlabojot diagnostisko precizitāti, saīsinot laiku līdz diagnozei un paaugstinot radiologu pārliecību, pateicoties caurredzamiem MI izskaidrojumiem.