Алгоритмы классификации паттернов на КТ грудной клетки

Когда я впервые участвовал в разметке КТ для челленджа по сегментации лёгких, стало очевидно: ручная сортировка паттернов — «матовое стекло», консолидация, фиброз — отнимает часы, а субъективность неизбежна. Именно здесь алгоритмы классификации паттернов могут дать реальную пользу: не заменить врача, а быстро рассортировать исследования, стандартизировать описание и снизить риск пропустить клинически значимый рисунок.

Почему классификация паттернов на КТ стала важной задачей

Один стандартный томографический объём грудной клетки — это 200–400 срезов, и на каждом может быть смесь паттернов: участок «матового стекла» плавно переходит в консолидацию, а рядом — сосудистая структура, имитирующая узел. Ручная оценка требует сосредоточенности, опыта и времени, которого в реальной клинике всегда не хватает. Поэтому модели, умеющие сначала сегментировать лёгкие, а затем классифицировать тип рисунка, становятся не роскошью, а рабочим инструментом.

Для рутинной практики это даёт три ключевых преимущества:

• Скорость: алгоритм предварительно сортирует список исследований, и врач сразу видит наиболее подозрительные.
• Стандартизация: снижается разброс в описаниях между разными специалистами, что критично при повторных исследованиях.
• Масштабируемость: при росте потока сканирований система справляется без пропорционального увеличения штата.

Что именно понимают под паттернами на КТ грудной клетки

Под паттернами обычно имеют в виду повторяющиеся визуальные признаки на КТ, которые помогают предположить характер процесса. В практической работе чаще всего встречаются:

• матовое стекло
• консолидация
• ретикулярные изменения
• сотовое легкое
• узлы и очаги
• эмфизематозные изменения
• ателектаз
• плевральный выпот

В повседневной разметке мы сталкиваемся с этими категориями постоянно. Важно не путать классификацию паттернов с постановкой окончательного диагноза. Алгоритм оперирует визуальным типом, а не клиническим заключением. «Матовое стекло» может быть при отёке, инфекции или альвеолярном протеинозе — модель не знает контекста, она видит только картину. Клинический вывод всегда зависит от симптомов, анамнеза, лабораторных данных и динамики.

Из чего состоит пайплайн классификации

С точки зрения инженера, пайплайн выглядит как несколько последовательных шагов. Я не раз выстраивал их при подготовке модели для челленджа. Чаще всего цепочка такая:

1. Подготовка данных

Сюда входят загрузка DICOM-серий, нормализация интенсивностей, выравнивание толщины среза, удаление артефактов и разметка данных врачом или несколькими экспертами. Помню, как пришлось приводить HU-значения с разных томографов к единому окну: без этого даже простая модель давала сбои. Без качественной разметки, согласованной между экспертами, обучение уходило в сторону артефактов, а не патологии.

2. Сегментация области интереса

Перед классификацией часто выделяют лёгкие, доли, очаги, патологические зоны, сосудистые или плевральные структуры. В моих экспериментах U-Net для сегментации лёгочных полей сразу убирала фон — рёбра, средостение — и повышала точность классификации паттернов, потому что модель не отвлекалась на посторонние анатомические конструкции.

3. Извлечение признаков

В классических алгоритмах это делали вручную: текстурные признаки, форма, плотность, контуры, статистика гистограммы. Сейчас нейросети извлекают признаки автоматически. Но понимание ручных метрик (LBP, матрицы смежности) помогает при валидации и интерпретации — вы можете проверить, не реагирует ли модель на шум.

4. Классификация

На этом этапе модель определяет, к какому классу относится паттерн. Используют свёрточные нейросети, 3D-CNN, гибридные архитектуры, ансамбли, а иногда и классические ML-методы поверх извлечённых признаков. Для сложных смешанных паттернов лучше всего показывала себя комбинация 3D-свёрток с вниманием — она улавливала протяжённые ретикулярные изменения и не путала их с сосудами.

5. Постобработка и проверка

Чтобы результат был полезен врачу, применяют фильтрацию ложных срабатываний, агрегацию по срезам и объёму, правила согласования соседних срезов и оценку уверенности модели. Мы, например, гасили случайные всплески сети, применяя скользящее среднее по предсказаниям на трёх соседних срезах — это сильно улучшало визуальное восприятие результата.

Классические алгоритмы: с чего начиналась автоматизация

До массового внедрения глубокого обучения исследователи активно использовали классические методы обработки изображений. Они до сих пор полезны, особенно как базовые решения или как часть гибридного конвейера. Начинал я именно с пороговой обработки для выделения лёгочных полей, потом пытался активными контурами очертить очаги — до нейросетей это был основной путь.

Эти методы важны не только исторически. Они полезны там, где данных мало, а также для объяснимых прототипов, когда заказчику важно видеть, на основании каких измерений принимается решение.

Почему нейросети вытеснили ручные признаки

Когда я впервые обучил U-Net на размеченных лёгких, стало ясно, что нейросеть сама находит информативные признаки, не требуя от меня вручную описывать текстуру. Свёрточные архитектуры лучше справляются с КТ, потому что паттерн часто определяется не одним сигналом, а сочетанием формы, плотности, распределения и связи с соседними структурами. На практике чаще всего используют:

• 2D CNN — для анализа отдельных срезов;
• 2.5D подходы — несколько соседних срезов, дают баланс между учётом объёмной информации и вычислительной эффективностью;
• 3D CNN — для анализа всего объёма;
• U-Net и её вариации — чаще для сегментации, но сегментация часто идёт перед классификацией;
• multi-task модели — одновременно сегментируют и классифицируют.

Как нейросеть классифицирует паттерны на КТ

Если упростить, модель проходит три уровня обучения.

Первый уровень: видит локальные особенности

Она замечает края, пятна, уплотнения, неоднородность плотности.

Второй уровень: собирает эти признаки в паттерн

Например, отличает диффузное «матовое стекло» от очаговой консолидации.

Третий уровень: связывает паттерн с вероятным классом

На этом этапе модель уже может сказать, что зона больше похожа на воспалительное изменение, фиброзный рисунок или узловое образование.

Когда я впервые визуализировал активации свёрточной сети, было видно, как низкоуровневые фильтры реагируют на края и перепады плотности, а следующие слои собирают из этого паттерн. Так что это не магия, а поэтапное обобщение. Но важно помнить: модель не понимает патологию как врач. Она сопоставляет изображение с обучающими примерами. Если в обучающей выборке все «матовые стёкла» были на фоне COVID-19, она будет ошибаться на аналогичной картине при других заболеваниях. Поэтому качество датасета и валидации критично.

Какие данные нужны для обучения

Для хорошей модели нужны не просто КТ, а правильно подготовленные данные.

Минимальный набор

• DICOM-серии;
• согласованная шкала интенсивностей;
• клинически валидная разметка;
• единые правила аннотации;
• разделение на train, validation и test без пересечений по пациентам.

Когда мы готовили датасет для челленджа, самым сложным было добиться единых правил аннотации: разные рентгенологи по-разному проводили границу между «матовым стеклом» и консолидацией. Пришлось провести несколько итераций согласования. Особенно важно, чтобы разметка была воспроизводимой, классы — клинически определёнными, в датасете соблюдался баланс по паттернам, и не было утечки данных между выборками. Также желательно учитывать разные томографы и протоколы. Если модель обучена только на одном центре, она может хорошо работать внутри этой среды и резко терять качество при переносе в другую клинику — я сталкивался с этим, когда данные с нового аппарата показывали систематическое смещение яркости.

Как оценивают качество классификации

Для практики недостаточно просто сказать, что модель «точная». Нужно смотреть на несколько метрик:

• Accuracy — общая доля верных ответов.
• Sensitivity — насколько хорошо модель находит патологию.
• Specificity — насколько редко даёт ложные тревоги.
• Precision — насколько надёжны положительные ответы.
• F1-score — баланс между полнотой и точностью.
• AUC — качество разделения классов.
• Dice / IoU — если есть сегментация.

В клинической разработке мы всегда смотрим не на одну метрику. Для сортировки исследований важна высокая чувствительность, даже ценой нескольких ложных тревог — пропуск узла может быть критичен. Лучше, чтобы модель перестраховывалась, а врач уже отсеивал избыточные пометки. Dice или IoU больше относятся к сегментации, но если классификация базируется на сегментированной маске, они тоже важны.

Где возникают основные ошибки

Даже хорошие модели часто ошибаются в похожих клинических ситуациях.

Типичные проблемы

• матовое стекло vs недораздутые участки легкого;
• фиброз vs поствоспалительные изменения;
• небольшой узел vs сосуд в косой проекции — я не раз видел, как округлый срез сосуда уверенно распознаётся моделью как узел, потому что 2D-проекция обманчива;
• консолидация vs ателектаз;
• артефакты дыхания vs истинные изменения — артефакты вблизи диафрагмы часто симулировали «матовое стекло», и только проверка на соседних фазах вдоха помогала исключить ложно-положительную тревогу.

Почему это происходит

• недостаточно данных;
• слабая разметка;
• смешение клинически разных классов;
• отсутствие контекста соседних срезов;
• нерепрезентативная выборка.

Что помогает улучшить результат

Практические приемы

• использовать сегментацию перед классификацией — наш опыт показал, что это убирает экстрапульмональные структуры и повышает precision;
• добавлять многошкальные признаки (анализ на разных разрешениях), чтобы улавливать как мелкие узелки, так и протяжённые ретикулярные изменения;
• обучать модель на 3D-объемах, если это возможно — трёхмерный контекст резко снижает ошибки «сосуд vs узел»;
• применять аугментации с осторожностью — неудачный поворот может сделать паттерн нечитаемым;
• проверять модель на данных разных аппаратов;
• делать внешнюю валидацию — это обязательный этап перед допуском в клинику;
• включать интерпретируемость: карты активации, heatmap, saliency map, чтобы врач видел, на что опиралась модель.

Что особенно полезно в реальной клинике

• отображение уверенности модели — цветовая шкала поверх среза;
• возможность быстро увидеть, какие зоны привели к выводу;
• ручная корректировка результата врачом — кликните, чтобы исключить ложное выделение;
• логирование ошибок для последующего дообучения.

Как выбрать подход для конкретной задачи

Выбор сильно зависит от доступных данных и вычислительных ресурсов. Если мне нужно быстро разработать прототип для пилотного проекта, я беру 2D-свёртки на ключевых срезах — это даёт результат за дни. Но для продукта, который будет работать в клинике, я бы рекомендовал 3D-гибридные модели с механизмами внимания.

Если данных мало, начинать стоит не с самой сложной архитектуры, а с хорошо собранного датасета, понятной разметки и простой базовой модели. Это быстрее и честнее с точки зрения результата.

Как проверять алгоритм перед внедрением

Перед тем как встроить модель в рабочий процесс и доверить ей первичный осмотр, я всегда прохожусь по этому чек-листу. Если хотя бы один пункт вызывает сомнения, внедрение лучше отложить.

• На каких именно данных обучалась модель? Если это один аппарат и одно учреждение, перенос почти гарантированно вызовет падение точности.
• Есть ли результаты внешней валидации на независимом датасете?
• Понимает ли система разные протоколы КТ (дозовые режимы, толщину среза)?
• Как часто она ошибается на пограничных случаях — и какие именно ошибки преобладают?
• Может ли врач увидеть причину решения? (heatmap, активационные карты)
• Интегрируется ли решение в PACS или рабочий список радиолога?
• Есть ли регламент перепроверки спорных случаев вторым специалистом?

FAQ

Что лучше для классификации паттернов на КТ: классические алгоритмы или нейросети?

Для большинства современных задач лучше работают нейросети, особенно 2D, 2.5D и 3D-модели. Классические алгоритмы полезны как базовые решения, при малом объеме данных и для интерпретируемых прототипов — я до сих пор иногда запускаю пороговую обработку как быстрый фильтр перед нейросетью.

Нужна ли сегментация перед классификацией?

Не всегда, но на практике она часто повышает качество. Сегментация помогает убрать лишний фон и сосредоточить модель на области поражения. Когда мы добавили U-Net для выделения лёгких, классификатор перестал путать консолидацию с плевральным выпотом.

Можно ли доверять автоматической классификации без врача?

Нет. Автоматическая классификация паттернов — это инструмент поддержки, а не замена клинического решения. Как рентгенолог, я бы никогда не положился слепо на модель: она не знает анамнеза, не видит динамику и может пропустить редкие паттерны, не представленные в обучении.

Какие паттерны на КТ сложнее всего различать?

Чаще всего проблемы возникают с матовым стеклом, фиброзом, ателектазом, консолидацией и небольшими узлами, потому что они визуально похожи или зависят от контекста. Особенно сложны переходные формы: когда альвеолярный отёк ещё не стал явной консолидацией, а сетчатость только начинает проявляться.

С чего начать разработку такой системы?

С формулировки классов, стандартизированной разметки, набора DICOM-данных и простой базовой модели. Только после этого имеет смысл переходить к более сложной архитектуре и клинической валидации. Поверьте моему опыту: потратив дополнительную неделю на согласование разметки, вы сэкономите месяцы на переобучении.