DeepSymNet: Обнаружение ишемического инсульта через анализ симметрии полушарий мозга

Репозиторий реализует модели глубокого обучения для обнаружения ишемического инсульта на FLAIR МРТ-сканах путём анализа симметрии между полушариями мозга. Подход сочетает 2D/3D-CNN и топологический анализ данных для интерпретируемой диагностики.

---

Основные особенности

• Двойная архитектура для анализа 3D-объёмов и 2D-срезов
• Топологические штрих-коды устойчивости для анализа активаций слоёв
• Grad-CAM тепловые карты для интерпретируемости моделей
• Генерация синтетических данных
• Высокая точность: 97.6% на реальных 3D МРТ-данных

---

Установка

1. Клонируйте репозиторий:

git clone https://github.com/vovanshil95/deep-cv-models-on-mri.git
cd deepsymnet

2. Установите зависимости:

pip install -r requirements.txt
pip install noise
pip install git+https://github.com/aimclub/eXplain-NNs

Структура данных:

/normalized_hemispheres/
  ├── normal/
  │   ├── patient1/
  │   │   ├── left.nii
  │   │   └── right.nii
  └── pathology/
      └── patientX/
          ├── left.nii
          └── right.nii

Результаты

Сравнение производительности моделей

Модель	Точность	ROC-AUC
3D CNN	97.6%	0.995
2D CNN	90.5%	0.966

Топологические метрики

Слой	Энтропия Рени (α=2)	Отношение длины штрих-кодов (3D / 2D)
1	0.500 vs 0.477	1.97 vs 3.27
2	0.395 vs 0.477	1.78 vs 5.48
3	0.428 vs 0.491	1.94 vs 9.18
4	0.450 vs 0.487	2.15 vs 13.26

Цитирование

Если вы используете этот проект, пожалуйста, цитируйте:

@misc{deepsymnet2023,
  title={Ischemic Stroke Detection via Symmetry Analysis and Topological Learning},
  author={[Shilonosov Vladimir]},
  year={2023},
  publisher={GitHub},
  howpublished={\url{https://github.com/vovanshil95/deep-cv-models-on-mri}}
}