Russische Entwickler haben ein neuronales Netzwerk zur Diagnose von Brustkrebs entwickelt

Russische Entwickler der Innopolis SEZ haben eine komplexe „geometrische“ neuronale Netzwerkarchitektur für entwickelt

gleichzeitiges Studium mehrerer Projektioneneine ärztliche Untersuchung, zum Beispiel Mammographie, Röntgenaufnahme des Brustkorbs und andere. Die Ergebnisse der wissenschaftlichen Forschung auf der OpenTalks.AI-Konferenz in Eriwan wurden im Rahmen des Berichts vom Leiter der Abteilung für künstliche Intelligenz des Unternehmens Third Opinion Platform, Evgeniy Sidorov, vorgestellt. 

Der Entwickler gab an, dass die neue Methode die Qualität der Brustkrebserkennung anhand von Mammographiebildern deutlich verbessern kann. 

Die Innovation liegt in der Möglichkeit der GleichzeitigkeitAnalyse mehrerer Bilder, d.h. Projektionen, die das Funktionsmodell des neuronalen Netzwerks so nah wie möglich an das menschliche Modell bringen und die Wahrscheinlichkeit erhöhen, pathologische Veränderungen zu erkennen. Den angekündigten Erkenntnissen zufolge erhöht die neue neuronale Netzwerkarchitektur, die Training auf einer großen Datenmenge ermöglicht, den ROC-Kurvenindikator um 3,5 % (dies ist eine Methode zur Bewertung von KI-Algorithmen in der Medizin) und erhöht so die endgültige „Genauigkeit“. #187; von 0,89 bis 0,92 (max. = 1). 

„Die Schlüsselinformationen zu diesem Problem sindGeometrie“, sagte Evgeniy Sidorov während der Präsentation der Studie. Um dem neuronalen Netzwerk dabei zu helfen, geometrische Informationen effektiv zu nutzen, werden diese seiner Meinung nach direkt zum neuronalen Netzwerk hinzugefügt, was das Training beschleunigt und weniger Daten erfordert.

Eine ähnliche Methode wurde zuvor in ihrer wissenschaftlichen Studie beschriebenArbeit von Wissenschaftlern des Data Research Center der Peking-Universität. Die von ihnen vorgeschlagene neuronale Netzwerkarchitektur fand jedoch zunächst Objekte, d. h. Anzeichen von Pathologien und korrelierte sie dann zwischen den Projektionen. Das Verarbeitungsmodell „Third Opinion“ korreliert Projektionen und geht erst dann zur Suche nach Objekten über, was den Prozess der Arbeit eines Arztes mit Bildern genauer nachbildet und sich auf die Effizienz des Programms auswirkt.

Leiter des russischen Forschungsteamsstellte fest, dass neuronale Netze, die den Ansatz des Arztes „von und nach“ modellieren, mit zunehmender Datenmenge beginnen, viel komplexere Abhängigkeiten zu lernen als neuronale Netze, die zusätzliche Informationen verwenden, und eine „Kaskade neuronaler Netze“, die Teilaufgaben separat lösen. „Diese neuronalen Netze sind in der Lage zu ‚lernen‘. Abhängigkeiten, die der Radiologe selbst möglicherweise nicht sieht“, sagte Evgeniy Sidorov. 

Weiter lesen:

Benannt nach einem Vitamin, das das Gehirn vor Demenz schützt

Sehen Sie auf der detailliertesten Karte, wie sich die Erde in 100 Millionen Jahren verändert hat

Es stellte sich heraus, welche Männer am fruchtbarsten sind: Ihr Sperma ist 50% besser als der Rest