Нейросеть выявляет раковые метастазы с точностью 99%

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


2018-10-25 11:30

ии в медицине

Google AI разрабатывают алгоритмы глубокого обучения для обнаружения раковых новообразований. Недавно алгоритм LYNA, первый раз представленный командой в 2017 году, достиг 99% точности в обнаружении метастаз рака молочной железы. В будущем разработка может использоваться для ускорения диагностики и уточнения диагнозов патологоанатомов.

Инструмент для помощи патологоанатомам

В основе LYNA (Lymph Node Assistant) лежит алгоритм Inception-v3 — open source модель для распознавания изображений, которая уже использовалась ранее для диагностики рака легких, меланомы и ретинопатии. Работу модели протестировали на двух наборах данных с образцами патологий рака молочной железы. В обоих наборах алгоритму удалось правильно отличить слайд с метастатическим раком от слайда без рака в 99% случаев. Кроме того, модель точно определила области с метастазами и другие подозрительные регионы на каждом слайде. Многие из них слишком малы, чтобы быть обнаруженными вручную. Таким образом, ещё одно из возможных применений  LYNA — выделение проблемных зон для патологоанатомов для помощи в анализе и постановке окончательного диагноза.

Слева: лимфатический узел с небольшой метастатической опухолью молочной железы. Справа: тот же слайд, с зонами, выделенными алгоритмом.

Модель также умеет решать сложную задачу обнаружения небольших метастаз (микрометастаз) в лимфатических узлах. Использование алгоритма позволило сократить время просмотра слайдов до 1 минуты и уменьшить частоту пропущенных микрометастаз в два раза.

Разработчики планируют начать тестирование алгоритма в клинических условиях, чтобы оценить воздействие на реальные клинические процессы и результаты лечения пациентов.


Источник: neurohive.io

Комментарии: