Синтез псевдо-здорового изображения с помощью моделей диффузии с учётом локализации для обнаружения очагов фокальной кортикальной дисплазии

Почему важно обнаруживать крошечные рубцы в мозге

Для многих людей с эпилепсией припадки продолжаются несмотря на сильные препараты. Частая скрытая причина — крошечный участок деформированной ткани мозга, называемый фокальной кортикальной дисплазией. Такие очаги часто поддаются хирургическому лечению — если врачи их найдут. Однако на стандартных сканах поражения могут быть настолько незаметны, что даже опытные радиологи пропускают их. В этом исследовании предлагается новая методика искусственного интеллекта (ИИ), которая «представляет», как выглядел бы МРТ пациента при полностью здоровом мозге, а затем использует отличия, чтобы выявить трудноразличимые очаги, что потенциально открывает доступ к операции для большего числа пациентов.

Маленькие проблемные участки в большой проблеме

Эпилепсия затрагивает более 70 миллионов человек во всём мире, и примерно у трети приступы продолжаются даже после попыток лечения несколькими препаратами. У детей одной из главных причин является фокальная кортикальная дисплазия — когда небольшой участок мозга развивается аномально. На МРТ такие области могут проявляться слегка утолщённой корой или размытым переходом между серым и белым веществом — изменения, которые очень легко пропустить. Разметка этих тонких аномалий послойно занимает много времени и даёт непоследовательные результаты в разных клиниках, поэтому мало крупных хорошо аннотированных наборов данных для обучения традиционных методов с сильным контролем. Авторы поэтому сосредоточились на слабо контролируемом обнаружении аномалий — подходе, который изучает паттерны нормальной ткани и помечает всё, что выглядит необычно, без необходимости в подробных ручных контурах каждой патологии.

ИИ, который спрашивает: как выглядел бы здоровый мозг?

Ключевая идея метода — сгенерировать «псевдо-здоровую» версию МРТ конкретного пациента и затем измерить, чем она отличается от реального изображения. Для этого команда опирается на модели диффузии — мощный класс генераторов изображений, которые постепенно добавляют шум к изображению, а затем учатся обращать этот процесс. В работе модель обучается преобразовывать один тип МРТ (T1-взвешенное изображение, подчёркивающее анатомию) в другой (FLAIR, который особенно чувствителен к некоторым признакам поражений). В процессе обратного синтеза модель мягко направляют так, чтобы подозрительные области превращались в ткани, похожие на здоровые, оставляя при этом нормальные зоны практически без изменений. Разница между исходным FLAIR-сканом и сгенерированным «очищенным» FLAIR-изображением становится картой аномалий, подчёркивающей вероятные локализации очагов.

Использование двух типов сканов и грубых подсказок о локализации

Различные последовательности МРТ показывают фокальную кортикальную дисплазию по-разному. T1-изображения лучше выявляют изменения формы коры, тогда как FLAIR обычно делает аномальные, обогащённые водой ткани более яркими и с размытыми границами. Авторы используют эту взаимодополняемость, подавая T1 как ориентир при генерации FLAIR — это побуждает модель использовать структурную информацию из одной модальности и сигнальные изменения из другой. Они также добавляют вторую подсказку: классификатор, обученный распознавать, в каком широком участке мозга (например, лобная или височная доля) находится аномалия, либо является ли скан нормальным. Эта региональная информация направляет процесс диффузии, чтобы сосредоточить «исцеление» на областях, где очаги наиболее вероятны, повышая шансы выявить маленькие эпилептические фокусы без сильного изменения всей картины мозга.

Исправление сдвигов яркости и тестирование на реальных пациентах

Генеративные модели могут незаметно менять яркость или контраст изображения, что чревато вводящими в заблуждение выводами врачей или сокрытием истинных аномалий. Чтобы этого избежать, исследователи применяют выравнивание гистограмм — стандартную технику обработки изображений, которая заставляет сгенерированный FLAIR иметь такое же распределение интенсивностей, как и исходный скан. Это сохраняет знакомый вид изображения, при этом сохраняя локальные различия, связанные с поражениями, которые вносит модель. Метод был протестирован на публичном наборе данных Университетской клиники Бонна, содержащем МРТ 85 пациентов с фокальной кортикальной дисплазией типа II и 85 здоровых контрольных. После тщательной предобработки и обучения новый подход превзошёл четыре конкурирующих метода обнаружения аномалий, показав высокий уровень обнаружения на уровне изображений (нахождение очагов в большинстве поражённых сканов) и лучшее соответствие экспертным картам очагов на пиксельном уровне.

Что это может означать для людей с эпилепсией

Исследование показывает, что ИИ может использоваться не только для классификации МРТ, но и для генерации реалистичных «а что если здорово?» изображений, которые делают скрытые очаги более заметными. Не требуя трудоёмкой воксельной разметки, метод сочетает мультимодальную МРТ, грубые указания по локализации и аккуратную коррекцию интенсивности для более надёжного обнаружения тонких эпилептических рубцов по сравнению с несколькими существующими инструментами. Хотя он не идеален — различия между типами сканов всё ещё могут вызывать ложные срабатывания, и некоторые очаги остаются слишком похожими на нормальную ткань — подход приближает область к надёжной автоматизированной поддержке радиологов. В долгосрочной перспективе такие методы могут помочь раньше и более последовательно выявлять хирургические мишени, улучшая исходы для людей с резистентной к лекарствам эпилепсией.

Цитирование: Li, Y., Pan, Y., Zhang, X. et al. Pseudo-healthy image synthesis via location-guided diffusion models for focal cortical dysplasia lesion localization. Sci Rep 16, 8101 (2026). https://doi.org/10.1038/s41598-026-38981-y

Ключевые слова: эпилепсия, МРТ головного мозга, фокальная кортикальная дисплазия, ИИ в медицинской визуализации, обнаружение аномалий