Применение глубоких нейронных сетей для повышения точности диагностики ревматоидного артрита с использованием диффузионной оптической томографии

Предложен набор моделей глубоких нейронных сетей для классификации ревматоидного артрита (РА) с использованием магистральной сети, сверточной нейронной сети и остаточной сети на основе данных диффузионной оптической томографии (ДОТ) с использованием излучения ближнего ИК диапазона, обеспечивающий раннюю диагностику патофизиологических изменений, вызванных воспалением. Для преодоления проблемы недостаточного количества доступных клинических ДОТ-изображений использована генерация искусственных изображений при помощи числовой модели пальца. Предложенные модели глубоких нейронных сетей были применены для автоматической классификации смоделированных ДОТ-изображений воспаленных и невоспаленных суставов; для повышения эффективности классификации использовано также трансферное обучение. Показано, что все три метода использования глубоких нейронных сетей улучшают диагностическую точность по сравнению с широко применяемым методом опорных векторов, особенно для баз данных с высокой вариабельностью между субъектами. В случаях моделирования тяжелого заболевания остаточная сеть достигала наивысшей точности (свыше 99%), а магистральные и сверточные нейронные сети обеспечивали точность до 99%. Однако, по мере уменьшения тяжести моделируемой болезни, указанная точность для остаточных сетей снижалась до 75.2%. Результаты показывают, что трансферное обучение может улучшить производительность глубоких нейронных сетей при классификации РА по данным ДОТ и усилить их потенциальные возможности в качестве компьютерного инструмента в диагностических системах ДОТ.