WTAM-YOLO: метод на базе YOLOv11 для обнаружения узелков в легких

Почему важно находить крошечные пятна в легких

Рак легкого часто начинается с крошечных образований, называемых узелками, которые видны на медицинских снимках задолго до появления симптомов. Раннее выявление таких узелков может означать разницу между неблагоприятным прогнозом и высокой вероятностью долгосрочного выживания. Но эти точки малы, слабо выражены и легко путаются с нормальными структурами легких даже для опытных радиологов и традиционных компьютерных программ. В этом исследовании представлен WTAM-YOLO — новая система искусственного интеллекта, разработанная для более точного и эффективного обнаружения этих ускользающих узелков на КТ легких по сравнению с существующими инструментами.

Проблема — увидеть то, что едва выделяется

На КТ грудной клетки ткань легкого отображается в основном оттенками серого, при этом кровеносные сосуды, дыхательные пути и другие структуры перекрываются сложным образом. Раковым узелкам может быть всего несколько миллиметров в диаметре, иногда они представляют собой не более чем размытую точку. Традиционные методы обнаружения, как человеческие, так и машинные, испытывают трудности с отделением этих тонких пятен от окружения. Существующие системы ИИ, включая ранние версии популярной семейства детекторов YOLO, часто пропускают очень маленькие узелки или принимают нормальную анатомию за патологию, что приводит и к упущенным случаям рака, и к ложным тревогам.

Более продуманный способ чтения КТ‑изображений

WTAM-YOLO опирается на современную архитектуру YOLO, но перестраивает способ, которым компьютер «смотрит» на КТ‑изображения. Вместо того чтобы полагаться исключительно на стандартные фильтры изображения, авторы интегрировали несколько специализированных компонентов. Один из них использует вейвлеты — математические инструменты, которые позволяют фокусироваться на резких краях и тонких текстурах, сохраняя при этом общую картину. Набор модулей внимания действует как серия прожекторов, автоматически подчеркивая области и детали, наиболее вероятно содержащие узелки, и приглушая несущественный фон. В совокупности эти элементы помогают системе одновременно отслеживать и крошечные точки, и широкий контекст легкого в одном проходе.

Как новая система учится распознавать мельчайшие детали

Внутри WTAM-YOLO блоки на основе вейвлетов сначала разделяют информацию изображения на несколько масштабов, улавливая и крупные контуры, и тонкие грани, а затем вновь объединяют их. Модули внимания затем перенастраивают важность этих сведений по двум осям: по типам признаков и по пространственным позициям на изображении, чтобы подозрительные участки выделялись сильнее. Дополнительные компоненты специально разработаны для сохранения слабого сигнала очень маленьких узелков при многократном сжатии и обработке изображения. Один из таких блоков сглаживает и стабилизирует признаки в процессе обучения, помогая модели не переусердствовать на случайном шуме, при этом оставаясь чувствительной к крошечным очагам поражения.

Тестирование WTAM-YOLO

Исследователи обучали и оценивали WTAM-YOLO на двух хорошо известных коллекциях КТ‑снимков легких: кураторайзном публичном наборе данных с платформы Roboflow и широко используемом датасете LUNA16. Они сравнили его работу с базовой моделью YOLOv11 и несколькими другими современными детекторами. По обоим наборам данных новая система обнаруживала более высокий процент истинных узелков и одновременно снижала число ложных находок. По ключевым метрикам, суммирующим качество обнаружения, WTAM-YOLO показал улучшение на несколько процентных пунктов, особенно при более строгих условиях совпадения, требующих точной локализации — именно той аккуратности, которая нужна для скрининга раннего рака.

Что это значит для пациентов и клиник

Для неспециалиста главный вывод таков: WTAM-YOLO помогает компьютерам «видеть» крошечные узелки в легких на КТ яснее, делая их более заметными на фоне шума, не перегружая врачей ложными оповещениями. За счет лучшего сохранения малых и тонких деталей и организации информации по нескольким масштабам система повышает как чувствительность, так и точность при умеренных вычислительных требованиях, приемлемых для практического применения. Хотя она по-прежнему оперирует срезами, а не полнообъемными 3D‑сканами, и потребует дополнительных испытаний в реальных клинических условиях, эта работа указывает на более быстрый и надёжный скрининг узелков легких, который может поддержать радиологов и потенциально обнаруживать рак легкого на более ранних, лечимых стадиях.

Цитирование: Lan, Y., Zhang, Y., Xu, J. et al. WTAM-YOLO: a YOLOv11-based method for pulmonary nodule detection. Sci Rep 16, 10922 (2026). https://doi.org/10.1038/s41598-026-42029-6

Ключевые слова: обнаружение узелков легких, КТ-исследование, глубокое обучение, YOLO, ранний рак легкого