Russiske udviklere har skabt et neuralt netværk til diagnosticering af brystkræft

Russiske udviklere fra Innopolis SEZ har skabt en kompleks "geometrisk" neural netværksarkitektur til

samtidig undersøgelse af flere projektionerén lægeundersøgelse, for eksempel mammografi, røntgen af ​​thorax og andre. Resultaterne af den videnskabelige forskning på OpenTalks.AI-konferencen i Yerevan blev præsenteret under rapporten af ​​lederen af ​​afdelingen for kunstig intelligens i Third Opinion Platform-virksomheden, Evgeniy Sidorov. 

Udvikleren udtalte, at den nye metode markant kan forbedre kvaliteten af ​​brystkræftdetektion fra mammografiske billeder. 

Innovationen ligger i muligheden for samtidigeanalyse af flere billeder, dvs. projektioner, som bringer den neurale netværksmodel så tæt som muligt på den menneskelige og øger sandsynligheden for at opdage patologiske ændringer. Ifølge de annoncerede resultater øger den nye neurale netværksarkitektur, der gav træning i en stor mængde data, ROC-kurveindikatoren med 3,5 % (dette er en metode til at evaluere AI-algoritmer i medicin), hvilket øger den endelige «nøjagtighed& #187; fra 0,89 til 0,92 (maks. = 1). 

"Nøgleoplysningerne i dette problem ergeometri,” sagde Evgeniy Sidorov under præsentationen af ​​undersøgelsen. For at hjælpe det neurale netværk til effektivt at bruge geometrisk information tilføjes det ifølge ham direkte til det neurale netværk, hvilket fremskynder træningen og kræver mindre data. 

En lignende metode blev tidligere beskrevet i deres videnskabeligearbejde af forskere fra Data Research Center ved Peking University. Den neurale netværksarkitektur, de foreslog, fandt dog først objekter, dvs. tegn på patologier, og derefter korrelerede dem mellem fremskrivninger. Bearbejdningsmodellen "Third Opinion" korrelerer projektioner og går først derefter videre til at søge efter objekter, hvilket mere præcist gengiver processen med en læge, der arbejder med billeder og påvirker effektiviteten af ​​programmet. 

Leder af det russiske forskerholdbemærkede, at med en stigning i dataprøven begynder neurale netværk, der "fra og til" modellerer lægens tilgang, at lære meget mere komplekse afhængigheder end neurale netværk, der bruger yderligere information og en "kaskade af neurale netværk", der løser delopgaver separat. “Disse neurale netværk er i stand til at «lære» afhængigheder, som radiologen måske ikke selv ser,” sagde Evgeniy Sidorov.

Læs mere:

Navnet et vitamin, der beskytter hjernen mod demens

Se hvordan Jorden har ændret sig over 100 millioner år på det mest detaljerede kort

Det viste sig, hvilke mænd der er mest frugtbare: deres sædceller er 50 % bedre end resten