Ryska utvecklare har skapat ett neuralt nätverk för att diagnostisera bröstcancer

Ryska utvecklare från Innopolis SEZ har skapat en komplex "geometrisk" neurala nätverksarkitektur för

simultan studie av flera projektioneren läkarundersökning, till exempel mammografi, lungröntgen och annat. Resultaten av den vetenskapliga forskningen vid OpenTalks.AI-konferensen i Jerevan presenterades under rapporten av chefen för avdelningen för artificiell intelligens på Third Opinion Platform-företaget, Evgeniy Sidorov. 

Utvecklaren uppgav att den nya metoden avsevärt kan förbättra kvaliteten på upptäckt av bröstcancer från mammografibilder. 

Innovationen ligger i möjligheten till simultananalys av flera bilder, dvs. projektioner, vilket för den neurala nätverksmodellen så nära den mänskliga som möjligt och ökar sannolikheten för att upptäcka patologiska förändringar. Enligt de tillkännagivna resultaten ökar den nya neurala nätverksarkitekturen, som gav utbildning i en stor mängd data, ROC-kurvindikatorn med 3,5 % (detta är en metod för att utvärdera AI-algoritmer inom medicin), vilket ökar den slutliga «noggrannheten& #187; från 0,89 till 0,92 (max. = 1). 

"Nyckelinformationen i det här problemet ärgeometri”, sa Evgeniy Sidorov under presentationen av studien. Enligt honom, för att hjälpa det neurala nätverket att effektivt använda geometrisk information, läggs den direkt till det neurala nätverket, vilket påskyndar träningen och kräver mindre data. 

En liknande metod har tidigare beskrivits i deras vetenskapligaarbete av forskare från Data Research Center vid Peking University. Men den neurala nätverksarkitektur de föreslog hittade först objekt, dvs. tecken på patologier, och sedan korrelerade dem mellan projektioner. Bearbetningsmodellen "Third Opinion" korrelerar projektioner och fortsätter först sedan med att söka efter objekt, vilket mer exakt återger processen hos en läkare som arbetar med bilder och påverkar programmets effektivitet. 

Chef för den ryska forskargruppennoterade att med en ökning av dataprovet börjar neurala nätverk som "från och till" modellerar läkarens tillvägagångssätt att lära sig mycket mer komplexa beroenden än neurala nätverk som använder ytterligare information och en "kaskad av neurala nätverk" som löser deluppgifter separat. "Dessa neurala nätverk är kapabla att «lära» beroenden som radiologen själv kanske inte ser”, sa Evgenij Sidorov. 

Läs mer:

Döpt till ett vitamin som skyddar hjärnan från demens

Se hur jorden har förändrats under 100 miljoner år på den mest detaljerade kartan

Det visade sig vilka män som är mest fertila: deras spermier är 50 % bättre än resten