Neuronska mreža omogućuje preciznu analizu simetrije dojki u kirurgiji

Neuronska mreža omogućuje preciznu analizu simetrije dojki u kirurgiji

Novorazvijena neuronska mreža vrlo je precizna u identificiranju ključnih orijentira važnih u kirurgiji dojke – otvarajući potencijal za objektivnu procjenu simetrije dojke, sugerira studija objavljena u izdanju za veljaču Plastic and Reconstructive Surgery® , službenog medicinskog časopisa Američkog društva za Plastični kirurzi (ASPS).

Simetrija grudi ključna je briga u kirurgiji dojke i općenito se procjenjuje jednostavnim subjektivnim procjenama i pacijenata i kirurga. Računalni programi mogu pružiti objektivnije procjene, ali uz ograničenja uključujući potrebu za ručnim unosom podataka i dugotrajno vrijeme izračuna.

Neuronska mreža za objektivnu procjenu dojki u plastičnoj kirugiji

Neuralne mreže – tehnika umjetne inteligencije koja nastoji oponašati način na koji ljudski mozak obrađuje podatke – istražuju se zbog njihovog potencijala za poboljšanje skrbi u nekoliko područja medicinske prakse. Dr. Kenig i kolege razvili su “ad hoc konvolucijsku neuronsku mrežu” za otkrivanje ključnih značajki dojke koje se koriste u procjeni simetrije grudi.

Koristeći algoritam otvorenog koda nazvan YOLOV3 (“You Only Look Once,” verzija 3), istraživači su uvježbali svoju neuronsku mrežu da identificira tri anatomske značajke koje se koriste u procjeni: granice grudi, kompleks bradavica-areola (bradavica i okolno tkivo) i suprasternalni usjek (udubljenje na dnu vrata, na vrhu prsne kosti).

Neuronska mreža trenirana je pomoću 200 frontalnih fotografija pacijentica koje su bile podvrgnute operaciji dojke. Njegova izvedba u identificiranju ključnih značajki dojke zatim je testirana korištenjem dodatnog skupa od 47 fotografija pacijentica koje su bile podvrgnute rekonstrukciji dojke nakon operacije raka dojke.

Potencijal za ‘brzu, automatiziranu, objektivnu’ procjenu simetrije dojki

Nakon obuke, neuronska mreža bila je vrlo točna u lokaliziranju tri značajke, s ukupnom stopom detekcije od 97,7%. Za desnu i lijevu granicu dojke i kompleks bradavica-areola, točnost je bila 100%. Za suprasternalni zarez stopa detekcije pala je na 87%. Obrada je bila brza, s prosječnim vremenom detekcije od 0,52 sekunde.

Neuronska mreža uspjela je otkriti i lokalizirati ključne značajke čak i kod vidljivo asimetričnih rekonstrukcija dojke. Visoka stopa uspjeha potvrdila je da je skup podataka za obuku bio dostatan, bez potrebe za tehnikama povećanja podataka.

“Neuronske mreže i strojno učenje imaju potencijal poboljšanja procjene simetrije dojki u području plastične kirurgije, automatiziranim i brzim otkrivanjem značajki koje kirurzi koriste u praksi”, zaključuju dr. Kenig i koautori. Vjeruju da bi, s daljnjim napretkom u mogućnostima detekcije slika i njihovim primjenama na kirurgiju grudi, neuronske mreže mogle igrati ulogu u procjeni simetrije grudi i planiranju estetske i rekonstruktivne plastične kirurgije.

 

Izvor:
Wolters Kluwer

PODIJELI

Biografija dr. Bruno Cvjetičanin

Dr. Bruno Cvjetičanin, cijenjeni je liječnik s bogatim iskustvom na području plastične kirurgije, rekonstrukcije dojke i estetske medicine započinje svoje medicinsko obrazovanje na Medicinskom fakultetu u Zagrebu, a nakon završenog diplomskog studija, specijalizirao se u općoj kirurgiji u KB Dubrava. Strast prema plastičnoj kirurgiji odvela ga je na dodatnu subspecijalizaciju iz plastične, rekonstruktivne i estetske kirurgije na Zavodu za plastičnu i rekonstruktivnu kirurgiju i kirurgiju dojke KBC-a Zagreb – vodeće bolničke ustanove u Hrvatskoj. Iskustvo je stekao višegodišnjim radom kao specijalist plastične kirurgije u norveškoj javnoj bolnici Helgelandssykehuset Nord Norge i u privatnoj bolnici Aleris, najvećoj takve vrste u Norveškoj.