МГУ им. М.В. Ломоносова: ИИ-метод выявления патологий по неразмеченным данным КТ

В МГУ им. М.В. Ломоносова разработали ИИ-метод выявления патологий по неразмеченным данным компьютерной томографии. Подход построен на принципе, что связанные с заболеванием изменения в организме встречаются значительно реже нормальных структур, — это позволяет модели находить статистически аномальные области без предварительно размеченных обучающих данных. Метод протестирован на четырёх крупных медицинских датасетах и показал более высокую точность по сравнению с существующими методами сегментации аномалий. Область применения — предварительный анализ медицинских изображений и подготовка обучающих данных для моделей сегментации патологий. Работа продолжает исследования Центра ИИ МГУ, включая анализ гистологических данных графовыми нейросетями (апрель 2026).

Вендор и технология: Исследователи Центра ИИ МГУ; обучение без учителя, сегментация аномалий на КТ по статистической редкости патологических структур.

Обучение моделей сегментации патологий требует больших объёмов размеченных врачами КТ-снимков, разметка которых крайне дорога и медленна. Для редких заболеваний размеченных данных практически не существует. Существующие методы сегментации аномалий давали недостаточную точность.

• Выявлять патологии на КТ без размеченных обучающих данных

• использовать статистическую редкость патологических структур как обучающий сигнал

• превзойти существующие методы сегментации аномалий

• применить метод для предварительного анализа медицинских изображений

• использовать метод для подготовки обучающих данных моделям сегментации

• Результаты

• Метод протестирован на четырёх крупных медицинских датасетах

• более высокая точность по сравнению с существующими методами сегментации аномалий

• работа без предварительной разметки данных

• применимость для предварительного анализа снимков и подготовки обучающих выборок Нагрузка и масштаб

• Тестирование на четырёх крупных медицинских датасетах КТ