ИИ от Nvidia генерирует снимки МРТ мозга для обучения алгоритмов, диагностирующих рак

МЕНЮ


Искусственный интеллект
Поиск
Регистрация на сайте
Помощь проекту

ТЕМЫ


Новости ИИРазработка ИИВнедрение ИИРабота разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика

Авторизация



RSS


RSS новости


Нейронную сеть, способную генерировать медицинские изображения для обучения другого искусственного интеллекта, разработали специалисты Nvidia. Такой подход показал лучшие результаты, чем использование настоящих снимков.

Архитектура искусственного интеллекта, какой бы разнообразной она ни была, обладает одним общим элементом — наборами данных для обучения. К сожалению, не для всякой области можно собрать достаточный объем примеров, пишет VentureBeat.

Специалисты компании Nvidia, клиники Майо и Центра клинической датологии MGH и BWH считают, что решение проблемы — нейронная сеть, которая сама генерирует медицинские данные для обучения своих «коллег». В частности, трехмерные изображения снимков магнитно-резонансной томографии мозга с раковыми опухолями. Статью, описывающую подробности подхода, ученые представили на конференции в Испании.

«Мы показали, что впервые научились создавать изображения, которые можно использовать для обучения нейронных сетей», — говорит Ху Чан, старший научный сотрудник Nvidia и ведущий автор статьи.

Система ИИ, разработанная при помощи библиотеки глубокого обучения PyTorch и обученная на платформе Nvidia DGX, использует генеративно-состязательную сеть, состоящую из двух частей — генеративной модели, которая генерирует образцы, и дискриминативной, которая пытается найти отличия между ними и реальными примерами. В результате получаются достоверные снимки МРТ мозга.

Перемешав искусственно созданные снимки с настоящими, ученые обучили с их помощью нейросеть и добились от нее 80-процентной точности в распознании злокачественной опухоли в мозге — на 14% лучше, чем результат модели, обученной только на реальных снимках.

В дальнейшем, если улучшить эту модель, можно будет применять изображения с лучшим разрешением и в большем количестве, а также повысить реалистичность искусственно созданных снимков.  

Искусственный интеллект, способный сам программировать себя, может оказаться непредсказуемым, считают эксперты. Когда алгоритмы создают новые алгоритмы, разработчики не могут до конца разобраться в коде, и это может привести к трагедиям.


Источник: hightech.plus

Комментарии: