Нейросеть распознаёт рак лёгких на ранних этапах с точностью 97% |
||
МЕНЮ Искусственный интеллект Поиск Регистрация на сайте Помощь проекту ТЕМЫ Новости ИИ Искусственный интеллект Разработка ИИГолосовой помощник Городские сумасшедшие ИИ в медицине ИИ проекты Искусственные нейросети Слежка за людьми Угроза ИИ ИИ теория Внедрение ИИКомпьютерные науки Машинное обуч. (Ошибки) Машинное обучение Машинный перевод Реализация ИИ Реализация нейросетей Создание беспилотных авто Трезво про ИИ Философия ИИ Big data Работа разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика
Генетические алгоритмы Капсульные нейросети Основы нейронных сетей Распознавание лиц Распознавание образов Распознавание речи Техническое зрение Чат-боты Авторизация |
2018-09-21 11:36 По данным Американского онкологического общества, только в США у 200 000 людей ежегодно диагностируют рак лёгких. Исследователи из Университета Нью-Йорка разработали алгоритм, который поможет ускорить и упростить выявление заболевания на ранних этапах. Нейросеть распознаёт два из наиболее распространённых видов рака лёгких с точностью 97%, что сопоставимо с результатами патологоанатомов. Как основу нейронной сети разработчики взяли Inception v3 — open source модель для распознавания изображений. Inception v3 уже успешно использовалась для диагностики меланомы и ретинопатии. Исследователи обучили нейросеть на 3000 изображений с результатами гистологии патологических тканей, используя графические процессоры NVIDIA Tesla с расширенной cuDNN и платформу TensorFlow. Работу алгоритма сравнили с результатами диагностики трёх независимых патологоанатомов. «Наше исследование демонстрирует, что свёрточные нейронные сети, такие как Google Inception v3, могут быть использованы для анализа результатов гистологии и диагностики рака легких: алгоритм классифицирует здоровые и опухолевые ткани с точностью ~ 0,99 AUC, и различает типы рака лёгких с высокой точностью — 0,97 AUC, достигая аккуратности, сравнимой с результатами патологоанатома» — отметили исследователи в статье. Работа опубликована в журнале Nature Medicine. Исходный код модели доступен на GitHub. Источник: neurohive.io Комментарии: |
|