Russische ontwikkelaars hebben een neuraal netwerk gecreëerd voor de diagnose van borstkanker

Russische ontwikkelaars van de Innopolis SEZ hebben er een complexe ‘geometrische’ neurale netwerkarchitectuur voor gecreëerd

gelijktijdige studie van verschillende projectieséén medisch onderzoek, bijvoorbeeld mammografie, röntgenfoto van de borstkas en andere. De resultaten van het wetenschappelijk onderzoek op de OpenTalks.AI-conferentie in Jerevan werden tijdens het rapport gepresenteerd door het hoofd van de afdeling kunstmatige intelligentie van het Third Opinion Platform-bedrijf, Evgeniy Sidorov.

De ontwikkelaar verklaarde dat de nieuwe methode de kwaliteit van de detectie van borstkanker op basis van mammografische beelden aanzienlijk kan verbeteren.

De innovatie ligt in de mogelijkheid van gelijktijdigheidanalyse van meerdere afbeeldingen, d.w.z. projecties, die het werkingsmodel van het neurale netwerk zo dicht mogelijk bij het menselijke brengen en de kans op het detecteren van pathologische veranderingen vergroten. Volgens de aangekondigde bevindingen verhoogt de nieuwe neurale netwerkarchitectuur, die training biedt op een grote hoeveelheid gegevens, de ROC-curve-indicator met 3,5% (dit is een methode voor het evalueren van AI-algoritmen in de geneeskunde), waardoor de uiteindelijke ‘nauwkeurigheid’ toeneemt. #187; van 0,89 tot 0,92 (max. = 1). 

“De belangrijkste informatie in dit probleem isgeometrie”, zei Evgeniy Sidorov tijdens de presentatie van het onderzoek. Om het neurale netwerk te helpen geometrische informatie effectief te gebruiken, wordt deze volgens hem rechtstreeks aan het neurale netwerk toegevoegd, wat de training versnelt en minder gegevens vereist.

Een soortgelijke methode werd eerder beschreven in hun wetenschappelijke publicatiewerk van wetenschappers van het Data Research Center van de Universiteit van Peking. De neurale netwerkarchitectuur die zij voorstelden, vond echter als eerste objecten, d.w.z. tekenen van pathologieën, en correleerde deze vervolgens tussen projecties. Het verwerkingsmodel “Third Opinion” correleert projecties en gaat pas daarna verder met het zoeken naar objecten, waardoor het proces van een arts die met beelden werkt nauwkeuriger wordt gereproduceerd en de efficiëntie van het programma wordt beïnvloed.

Hoofd van het Russische onderzoeksteammerkte op dat met een toename van het datamonster neurale netwerken die “van en naar” de benadering van de arts modelleren, veel complexere afhankelijkheden beginnen te leren dan neurale netwerken die aanvullende informatie gebruiken en een “cascade van neurale netwerken” die subtaken afzonderlijk oplossen. “Deze neurale netwerken zijn in staat om te «leren» afhankelijkheden die de radioloog zelf misschien niet ziet”, aldus Evgeniy Sidorov.

Lees verder:

Een vitamine genoemd die de hersenen beschermt tegen dementie

Zie hoe de aarde in meer dan 100 miljoen jaar is veranderd op de meest gedetailleerde kaart

Het bleek welke mannen het meest vruchtbaar zijn: hun sperma is 50% beter dan de rest