Генеративная модель PRGen синтезирует панорамные снимки: точность сегментации выросла на 47,6%
Модель, обученная на 50 127 парах «текст — изображение», создаёт реалистичные панорамные рентгенограммы с готовой разметкой по текстовому описанию заболевания. Более 82% синтезированных снимков рентгенологи признали достоверными.
Панорамная рентгенография — один из самых часто назначаемых методов лучевой диагностики в стоматологии. Автоматическая интерпретация панорамных снимков на клиническом уровне важна для роста эффективности диагностики, снижения нагрузки на рентгенологов и единообразия описаний. Искусственный интеллект уже показал существенную пользу в интерпретации панорамных снимков, однако развитие таких методов упирается в устойчивые препятствия: нехватку данных, ограничения приватности и несбалансированность разметки.
Что сделали
Авторы разработали управляемую генеративную модель PRGen (panoramic radiograph generation), ориентированную на заболевания и позволяющую контролировать анатомию. Задача — снять ограничения, связанные с дефицитом данных, требованиями приватности и перекосами в разметке.
Модель обучена на 50 127 парных выборках «текст — изображение». В отличие от существующих генеративных моделей, которые плохо поддаются управлению, PRGen синтезирует одновременно реалистичные панорамные снимки и парные маски по текстовому описанию заболевания, а также позволяет точно задавать анатомию зубного ряда простыми или детализированными эскизами. Это снижает барьеры к созданию крупных наборов данных с качественной разметкой.
Результаты
Качество и клиническую применимость синтезированных снимков оценивали на отложенных внутренних тестовых выборках, на общедоступных наборах данных и с привлечением десяти рентгенологов.
- Добавление синтезированных PRGen изображений в обучающую выборку повысило коэффициент Дайса при сегментации на 47,59%.
- Площадь под ROC-кривой выросла на 11,53%.
- При экспертной оценке более 82% синтезированных снимков были признаны достоверно отражающими описанное заболевание при сохранении клинически реалистичной анатомии и рентгенологической картины.
- Внешняя мультицентровая валидация подтвердила устойчивую обобщаемость: средний прирост коэффициента Дайса при сегментации составил 25,58%, улучшения в диагностических задачах были стабильными.
Выводы авторов
Полученные данные показывают, что PRGen позволяет получать качественные панорамные снимки с масками-аннотациями и тем самым снижает зависимость от ручной разметки. Это поддерживает более надёжный и автоматизированный анализ панорамных рентгенограмм и облегчает как разработку моделей, так и их перенос в клиническую практику.
