Руски разработчици създадоха невронна мрежа за диагностика на рак на гърдата

Руските разработчици от SEZ Innopolis създадоха сложна „геометрична“ архитектура на невронна мрежа за

едновременно изследване на няколко проекцииедин медицински преглед, например мамография, рентгенова снимка на гръден кош и други. Резултатите от научните изследвания на конференцията OpenTalks.AI в Ереван бяха представени по време на доклада от ръководителя на отдела за изкуствен интелект на компанията Third Opinion Platform Евгений Сидоров. 

Разработчикът заяви, че новият метод може значително да подобри качеството на откриване на рак на гърдата от мамографски изображения. 

Иновацията е във възможността за едновременноанализ на множество изображения, т.е. прогнози, което максимално доближава модела на работа на невронната мрежа до човешкия и увеличава вероятността за откриване на патологични промени. Според обявените констатации, новата архитектура на невронната мрежа, осигуряваща обучение върху голямо количество данни, увеличава индикатора на ROC кривата с 3,5% (това е метод за оценка на AI алгоритми в медицината), повишавайки крайната «точност& #187; от 0,89 до 0,92 (макс. = 1). 

„Ключовата информация в този проблем егеометрия”, каза Евгений Сидоров по време на представянето на изследването. Според него, за да помогне на невронната мрежа ефективно да използва геометрична информация, тя се добавя директно към невронната мрежа, което ускорява обучението и изисква по-малко данни. 

Подобен метод беше описан по-рано в техните научниработа на учени от Центъра за изследване на данни на Пекинския университет. Архитектурата на невронната мрежа, която те предложиха, обаче първо намери обекти, т.е. признаци на патологии и след това ги корелира между проекциите. Моделът за обработка на „Трето мнение“ корелира проекциите и едва след това преминава към търсене на обекти, което по-точно възпроизвежда процеса на работа на лекар с изображения и влияе върху ефективността на програмата. 

Ръководител на руския изследователски екипотбеляза, че с увеличаване на извадката от данни, невронните мрежи, които „от и до“ моделират подхода на лекаря, започват да научават много по-сложни зависимости от невронните мрежи, които използват допълнителна информация и „каскада от невронни мрежи“, които решават подзадачи отделно. „Тези невронни мрежи са способни да «учат» зависимости, които самият рентгенолог може да не види“, каза Евгений Сидоров. 

Прочетете още:

Наречен витамин, който предпазва мозъка от деменция

Вижте как Земята се е променила за 100 милиона години на най-подробната карта

Оказа се кои мъже са най-плодовити: тяхната сперма е с 50% по-добра от останалите