Tüdőrák diagnosztika

Sajnos a tüdőröntgen alapú szűrés nem elég nagy biztonsággal mutatja ki a gócokat, CT képalkotásra van szükség. A szűrés bevezetésének egyik akadálya, hogy az óriási mennyiségű CT-felvétel feldolgozása, diagnózis készítése radiológus szakemberekkel rendkívül költséges, Szükséges tehát olyan számítógépes képelemző programok kifejlesztésére, amelyek elég nagy pontossággal felismerik a rákos daganatot egy CT-felvételen. A hagyományos CAD-rendszerekkel már régóta kísérleteznek, amelyek a gyanús gócokat elég nagy pontossággal felismerik, de a rák felismerésénél nagy a hibaszázalék.

A nehezen algoritmizálható objektum-felismerési feladatok megoldásában nagy áttörést értek el a mesterséges intelligencia (AI) alapú számítógépes rendszerek, ezen belül a Mély Konvolúciós Neurális Hálózat (Deep Convolutional Neural Network, DCNN). Egy Stanfordi Egyetemen készült bőrrák felismerésére készített program például kb. 130 ezer 2D fénykép betanításával készült el és 97% pontossággal találja el, hogy a fényképen található gyanús folt rák-e vagy sem. A létrehozandó konzorcium jelen pályázata olyan rendszer kifejlesztésére irányul, mely a tüdőrákot képes a klinikai gyakorlatban hasznosítható pontossággal detektálni egy mellkas CT felvételen.

A SZTAKI feladata a gépi tanulási eljárások segítségével meghatározni, hogy az ily módon folytatott CT szűréshez mi az optimális szeletszám a sugárhigiénés és detektálási érzékenység függvényében, valamint hogy mi a konvolúciós háló tanításához optimális szegmentálási eljárás. Valamint matematikai alapkutatásra is szükség van a CT felvételek felbontását javító három dimenziós szuperrezolúció, illetve a pontosságot javító adat-augmentációs generatív adversarial hálózatok tárgyában.