Нейросеть для диагностики рака молочной железы
Усложненная нейросеть воспроизводит подход реального врача, она способна анализировать несколько проекций одновременно и может увеличить качество диагностики РМЖ.
Российские разработчики из ОЭЗ «Иннополис» создали сложную «геометрическую» архитектуру нейросети для одновременного изучения нескольких проекций одного медицинского исследования, например, маммографии, рентгена грудной клетки и других. Результаты научного исследования на конференции OpenTalks.AI в Ереване в ходе доклада представил руководитель направления искусственного интеллекта компании «Платформа Третье Мнение» Евгений Сидоров.
Разработчик заявил, что новый метод может значительно улучшить качество распознавания рака молочной железы по маммографическом снимкам.
Новация заключается в возможности одновременного анализа нескольких изображений, т.е. проекций, что максимально приближает модель работы нейросети к человеческой и повышает вероятность обнаружения патологических изменений. Согласно озвученным выводам, новая архитектура нейросети при условии обучения на большом количестве данных на 3,5% увеличивает показатель ROC кривой (это метод оценки ИИ-алгоритмов в медицине), поднимая итоговую «точность» с 0.89 до 0,92 (макс. = 1).
«Ключевой информацией в данной задаче является геометрия», – сообщил Евгений Сидоров в ходе презентации исследования. По его словам, чтобы помочь нейросети эффективно использовать геометрическую информацию, её добавляют напрямую в нейросеть, что ускоряет обучение и требует меньшего количества данных.
Схожий метод ранее описывали в своей научной работе учёные из Центра исследований данных Пекинского Университета. Однако предложенная ими архитектура нейросети сначала находила объекты, т.е. признаки патологий, а потом соотносила их между проекциями. Модель обработки «Третье Мнение» соотносит проекции и уже потом переходит к поиску объектов, что более точно воспроизводит процесс работы врача со снимками и влияет на эффективность работы программы.
Руководитель российской команды исследователей отметил, что при увеличении выборки данных, нейросети, которые «от и до» моделируют подход врача начинают выучивать гораздо более сложные зависимости, чем нейросети использующие дополнительную информацию и «каскад нейросетей» решающих подзадачи по отдельности. «Эти нейросети способны «выучивать» зависимости, которых может не видеть и сам рентгенолог», – заявил Евгений Сидоров.
Источник: Хайтек
