Rosyjscy programiści stworzyli sieć neuronową do diagnozowania raka piersi

Rosyjscy programiści z SSE Innopolis stworzyli złożoną „geometryczną” architekturę sieci neuronowej dla

jednoczesne badanie kilku projekcjijedno badanie lekarskie, np. mammografia, prześwietlenie klatki piersiowej i inne. Wyniki badań naukowych na konferencji OpenTalks.AI w Erewaniu przedstawił w trakcie raportu szef działu sztucznej inteligencji firmy Platforma Trzeciej Opinii Jewgienij Sidorow. 

Twórca stwierdził, że nowa metoda może znacznie poprawić jakość wykrywania raka piersi na podstawie zdjęć mammograficznych. 

Innowacja polega na możliwości jednoczesnegoanaliza wielu obrazów, tj. projekcji, co maksymalnie przybliża model działania sieci neuronowej do ludzkiego i zwiększa prawdopodobieństwo wykrycia zmian patologicznych. Zgodnie z ogłoszonymi ustaleniami, nowa architektura sieci neuronowej, zapewniająca uczenie na dużej ilości danych, zwiększa wskaźnik krzywej ROC o 3,5% (jest to metoda oceny algorytmów AI w medycynie), zwiększając ostateczną „dokładność” #187; od 0,89 do 0,92 (maks. = 1). 

„Kluczową informacją w tym problemie jestgeometrii” – powiedział Evgeniy Sidorov podczas prezentacji badania. Według niego, aby pomóc sieci neuronowej w efektywnym wykorzystaniu informacji geometrycznych, dodaje się ją bezpośrednio do sieci neuronowej, co przyspiesza uczenie i wymaga mniej danych. 

Podobną metodę opisano już wcześniej w ich pracach naukowychprace naukowców z Centrum Badań Danych Uniwersytetu Pekińskiego. Jednak zaproponowaną przez nich architekturę sieci neuronowej jako pierwsze odnaleziono obiekty, tj. oznaki patologii, a następnie skorelował je pomiędzy projekcjami. Model przetwarzania „Trzeciej Opinii” koreluje projekcje i dopiero następnie przechodzi do wyszukiwania obiektów, co dokładniej odwzorowuje proces pracy lekarza z obrazami i wpływa na wydajność programu. 

Szef rosyjskiego zespołu badawczegozauważył, że wraz ze wzrostem próbki danych sieci neuronowe modelujące podejście lekarza „od i do” zaczynają uczyć się znacznie bardziej złożonych zależności niż sieci neuronowe korzystające z dodatkowych informacji i „kaskady sieci neuronowych”, które rozwiązują podzadania osobno. „Te sieci neuronowe są zdolne do „uczenia się” zależności, których sam radiolog może nie dostrzec” – powiedział Jewgienij Sidorow.

Czytaj więcej:

Nazwany witaminą, która chroni mózg przed demencją

Zobacz, jak Ziemia zmieniła się przez 100 milionów lat na najbardziej szczegółowej mapie

Okazało się, którzy mężczyźni są najbardziej płodni: ich nasienie jest o 50% lepsze niż reszta