Диагностика доброкачественных новообразований гортани с применением нейросети

Крюков А.И.

ГБУЗ города Москвы «Научно-исследовательский клинический институт оториноларингологии им. Л.И. Свержевского» Департамента здравоохранения города Москвы

ORCID: 0000-0002-0149-0676

Сударев П.А.

ORCID: 0000-0001-9085-9879

Романенко С.Г.

ГБУЗ города Москвы «Научно-исследовательский клинический институт оториноларингологии им. Л.И. Свержевского» ДЗМ

SPIN РИНЦ: 5645-3401
Scopus AuthorID: 14016776700
ORCID: 0000-0002-8202-5505

Курбанова Д.И.

ORCID: 0000-0002-3571-8851

Лесогорова Е.В.

ORCID: 0000-0003-1753-5960

Красильникова Е.Н.

ORCID: 0000-0002-8675-078X

Павлихин О.Г.

ГБУЗ Москвы «Научно-исследовательский клинический институт оториноларингологии им. Л.И. Свержевского» Департамента здравоохранения Москвы

SPIN РИНЦ: 1319-6290
Scopus AuthorID: 6507315960
ORCID: 0000-0003-3876-093X

Иванова А.А.

ООО «Рубедо»

ORCID: 0009-0001-4684-5864

Осадчий А.П.

ООО «Рубедо»

ORCID: 0009-0001-3270-4390

Шевырина Н.Г.

ООО «Рубедо»

ORCID: 0009-0003-9446-5457

Диагностика доброкачественных новообразований гортани с применением нейросети

Авторы:

Крюков А.И., Сударев П.А., Романенко С.Г., Курбанова Д.И., Лесогорова Е.В., Красильникова Е.Н., Павлихин О.Г., Иванова А.А., Осадчий А.П., Шевырина Н.Г.

Подробнее об авторах

Журнал: Вестник оториноларингологии. 2024;89(3): 24‑28

DOI: 10.17116/otorino20248903124

Загрузок: 3

Связаться с автором

Оглавление

Как цитировать:

Крюков А.И., Сударев П.А., Романенко С.Г., и др. Диагностика доброкачественных новообразований гортани с применением нейросети. Вестник оториноларингологии. 2024;89(3):24‑28.
Kryukov AI, Sudarev PA, Romanenko SG, et al. Diagnosis of benign laryngeal tumors using neural network. Russian Bulletin of Otorhinolaryngology. 2024;89(3):24‑28. (In Russ.)
https://doi.org/10.17116/otorino20248903124

Подписка 2025 (Russian Bulletin of Otorhinolaryngology)

Закрыть метаданные

Рекомендуем статьи по данной теме:

Применение метода биологической обратной связи при лечении дисфонии (обзор литературы). Вестник оториноларингологии. 2023;(6):67-72

Цифровое здравоохранение Российской Федерации: основные понятия для практикующих врачей. Профилактическая медицина. 2024;(1):97-105

Сравнение прогностических возможностей традиционных методов оценки сердечно-сосудистого риска с использованием шкал SCORE и FRAMINGHAM, технологий машинного обучения «ИНТЕРЭПИД». Профилактическая медицина. 2024;(2):96-102

Первый опыт использования технологии искусственного интеллекта в системе CAD EYE при колоноскопии у детей. (Серия клинических случаев). Доказательная гастроэнтерология. 2024;(1):94-100

Разработка и тестирование новых методических подходов прогнозирования сердечно-сосудистых событий у здоровых людей с использованием технологии машинного обучения на базе международного исследования «Интерэпид». Профилактическая медицина. 2024;(3):72-79

Искусственные интеллектуальные системы в развитии вспомогательных репродуктивных технологий. Российский вестник акушера-гинеколога. 2024;(2):19-29

Искусственный интеллект в патологической анатомии. Архив патологии. 2024;(2):65-71

Роль телемедицины в дерматологии с примерами по организации услуг пациентам с псориазом и акне. Клиническая дерматология и венерология. 2024;(2):111-117

Точность приложения на основе искусственного интеллекта при выявлении хронических заболеваний вен классов C1 и C2. Флебология. 2024;(2):132-138

Влияние технологий искусственного интеллекта на длительность проведения двойного чтения маммографических исследований. Профилактическая медицина. 2024;(5):32-37

В статье представлен наш опыт разработки и обучения искусственной нейронной сети на основе алгоритмов искусственного интеллекта для распознавания характерных признаков образований и вариантов нормы гортани на основе анализа фотоснимков ларингоскопических картин, полученных при обследовании пациентов. В ходе подготовки данных для обучения нейросети собран, размечен и загружен датасет, состоящий из 1471 снимка гортани в цифровых форматах (jpg, bmp). Далее проведено обучение и тестирование нейросети с целью распознавания изображений нормы и новообразований гортани. Разработанная и обученная искусственная нейронная сеть продемонстрировала точность 86% в распознавании образований и вариантов нормы гортани. Предложенная технология в дальнейшем может быть использована в практическом здравоохранении для контроля и повышения качества диагностики патологии гортани.

Ключевые слова:

гортань

новообразование гортани

норма гортани

нейросеть

искусственный интеллект

Авторы:

Крюков А.И.

ORCID: 0000-0002-0149-0676

Сударев П.А.

ORCID: 0000-0001-9085-9879

Романенко С.Г.

SPIN РИНЦ: 5645-3401
Scopus AuthorID: 14016776700
ORCID: 0000-0002-8202-5505

Курбанова Д.И.

ORCID: 0000-0002-3571-8851

Лесогорова Е.В.

ORCID: 0000-0003-1753-5960

Красильникова Е.Н.

ORCID: 0000-0002-8675-078X

Павлихин О.Г.

SPIN РИНЦ: 1319-6290
Scopus AuthorID: 6507315960
ORCID: 0000-0003-3876-093X

Иванова А.А.

ООО «Рубедо»

ORCID: 0009-0001-4684-5864

Осадчий А.П.

ООО «Рубедо»

ORCID: 0009-0001-3270-4390

Шевырина Н.Г.

ООО «Рубедо»

ORCID: 0009-0003-9446-5457

Дата поступления:

05.09.2023

Дата принятия в печать:

01.03.2024

Список литературы:

Paderno A, Gennarini F, Sordi A, Montenegro C, Lancini D, Villani FP, Moccia S, Piazza C. Artificial intelligence in clinical endoscopy: Insights in the field of videomics. Frontiers in Surgery. 2022;9:933297. https://orcid.org/10.3389/fsurg.2022.933297
Cao C, Liu F, Tan H, Song D, Shu W, Li W, Zhou Y, Bo X, Xie Z. Deep Learning and Its Applications in Biomedicine. Genomics Proteomics Bioinformatics. 2018;16(1):17-32. https://doi.org/10.1016/j.gpb.2017.07.003
Suganyadevi S, Seethalakshmi V, Balasamy K. A review on deep learning in medical image analysis. International Journal of Multimedia Information Retrieval. 2022;11(1):19-38. https://doi.org/10.1007/s13735-021-00218-1
Пачес А.И. Опухоли головы и шеи: клиническое руководство. 5-е изд., доп. и перераб. М.: Практическая медицина; 2013.
Черемисина О.В., Чойнзонов Е.Л. Возможности эндоскопической диагностики предопухолевых заболеваний и рака гортани в современной онкологии. Сибирский онкологический журнал. 2007;3(23):5-9. https://cyberleninka.ru/article/n/vozmozhnosti-endoskopicheskoy-diagnostiki-predopuholevyh-zabolevaniy-i-raka-gortani-v-sovremennoy-onkologii/viewer
Cho WK, Lee YJ, Joo HA, Jeong IS, Choi Y, Nam SY, Kim SY, Choi SH. Diagnostic Accuracies of Laryngeal Diseases Using a Convolutional Neural Network-Based Image Classification System. Laryngoscope. 2021;131(11):2558-2566. https://doi.org/10.1002/lary.29595
Larsen C.F., Pedersen M. Comparison of convolutional neural networks for classification of vocal fold nodules from high-speed video images. European Archives of Oto-Rhino-Laryngology. 2023;280:2365-2371. https://doi.org/10.1007/s00405-022-07736-6
Esmaeili N, Sharaf E, Gomes Ataide EJ, Illanes A, Boese A, Davaris N, Arens C, Navab N, Friebe M. Deep Convolution Neural Network for Laryngeal Cancer Classification on Contact Endoscopy-Narrow Band Imaging. Sensors (Basel). 2021;21(23):8157. https://orcid.org/10.3390/s21238157
Ren J, Jing X, Wang J, Ren X, Xu Y, Yang Q, Ma L, Sun Y, Xu W, Yang N, Zou J, Zheng Y, Chen M, Gan W, Xiang T, An J, Liu R, Lv C, Lin K, Zheng X, Lou F, Rao Y, Yang H, Liu K, Liu G, Lu T, Zheng X, Zhao Y. Automatic Recognition of Laryngoscopic Images Using a Deep-Learning Technique. Laryngoscope. 2020;130(11):E686-E693. https://orcid.org/10.1002/lary.28539
Xiong H, Lin P, Yu JG, Ye J, Xiao L, Tao Y, Jiang Z, Lin W, Liu M, Xu J, Hu W, Lu Y, Liu H, Li Y, Zheng Y, Yang H. Computer-aided diagnosis of laryngeal cancer via deep learning based on laryngoscopic images. eBioMedicine. 2019;48:92-99. https://orcid.org/10.1016/j.ebiom.2019.08.075
Azam MA, Sampieri C, Ioppi A, Africano S, Vallin A, Mocellin D, Fragale M, Guastini L, Moccia S, Piazza C, Mattos LS, Peretti G. Deep Learning Applied to White Light and Narrow Band Imaging Videolaryngoscopy: Toward Real-Time Laryngeal Cancer Detection. Laryngoscope. 2022;132(9):1798-1806. https://orcid.org/10.1002/lary.29960
Hu R, Zhong Q, Xu ZG, Huang LY, Cheng Y, Wang YR, He YD, Cheng Y. Application of deep convolutional neural networks in the diagnosis of laryngeal squamous cell carcinoma based on narrow band imaging endoscopy. Zhonghua Er Bi Yan Hou Tou Jing Wai Ke Za Zhi. 2021;56(5):454-458. https://orcid.org/10.3760/cma.j.cn115330-20200927-00773

Закрыть метаданные