В Пензенском государственном университете разработан интерактивный тренажёр для распознавания дефектов рентгеновских изображений

Научные сотрудники Пензенского государственного университета разработали интерактивный обучающий тренажёр для распознавания дефектов рентгеновских изображений, предназначенный для помощи студентам-медикам и ординаторам в более точной оценке аномалий на медицинских снимках и понимании физических причин, лежащих в основе различных дефектов изображения.

Качество рентгеновских изображений напрямую влияет на эффективность выявления патологических изменений и точность клинической диагностики. Такие факторы, как состояние оборудования, параметры экспозиции, доза облучения, уровень квантового шума, могут приводить к ухудшению качества изображения. Поэтому рентгенолаборанты и врачи-рентгенологи должны не только выявлять патологии на снимках, но и оценивать качество изображения, определяя, не повлияют ли такие дефекты, как низкий контраст, шум, нерезкость, артефакты, на диагностику.

Как сообщается, тренажёр имеет модульную архитектуру и состоит из трёх частей: базы данных, подсистемы расчёта показателей, а также подсистемы обучения и тестирования. База данных предназначена для хранения рентгеновских изображений, показателей качества и сопутствующей информации; подсистема расчёта показателей позволяет загружать изображения, вычислять такие количественные показатели, как эффективное отношение сигнал/шум, градиент изображения, разницу между максимальной и минимальной яркостью, а также формировать графики и отчёты; подсистема обучения и тестирования предоставляет студентам учебные задания через веб-интерфейс.

Профессор кафедры медицинской кибернетики и информатики Пензенского государственного университета, доктор технических наук Леонид Кривоногов отметил, что все показатели системы основаны на строгих математических формулах и вычисляются непосредственно из данных пикселей, поэтому результаты обладают воспроизводимостью и объективностью.

В процессе использования врач-рентгенолог сначала загружает изображения в базу данных, система автоматически вычисляет и сохраняет показатели качества для каждого снимка. Затем эксперт выбирает изображение наилучшего качества в качестве эталонного. Обучающая система на основе эталонного изображения генерирует изображения с искажениями для моделирования реальных дефектов, таких как низкий контраст, шум, нерезкость и артефакты. Студент может одновременно просматривать эталонное и искажённое изображения, а с помощью обратной связи от системы сопоставлять визуальные характеристики с количественными показателями.

Разработчики уже провели оценку тренажёра на 200 тестовых случаях. Были выбраны 5 эталонных изображений — органов грудной клетки, конечностей и брюшной полости, — и для каждого из 4 типов дефектов сгенерировано по 10 искажённых изображений. По словам разработчиков, благодаря точно заданным пороговым значениям показателей система во всех тестовых случаях корректно определила тип дефекта.

Исследователи считают, что тренажёр помогает обучающимся сформировать визуальные навыки распознавания дефектов рентгеновских изображений и глубже понять причины их возникновения. Студенты и ординаторы могут наглядно увидеть, как неправильные параметры экспозиции, движение пациента или искажения при постобработке отражаются на изображении. Система также поддерживает функцию отключения подсказок и автоматическое оценивание, что позволяет преподавателю объективно оценивать уровень усвоения материала студентами и соответствующим образом корректировать учебный процесс. В настоящее время студенты Медицинского института Пензенского государственного университета уже начали использовать этот интерактивный обучающий тренажёр для прохождения соответствующей подготовки.