В КФУ качество медицинских снимков улучшают при помощи нейросети |
||
МЕНЮ Главная страница Поиск Регистрация на сайте Помощь проекту Архив новостей ТЕМЫ Новости ИИ Голосовой помощник Разработка ИИГородские сумасшедшие ИИ в медицине ИИ проекты Искусственные нейросети Искусственный интеллект Слежка за людьми Угроза ИИ ИИ теория Внедрение ИИКомпьютерные науки Машинное обуч. (Ошибки) Машинное обучение Машинный перевод Нейронные сети начинающим Психология ИИ 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 Творчество ИИ Техническое зрение Чат-боты Авторизация |
2022-08-08 22:00 Работа ученых выполнена в рамках реализации программы стратегического академического лидерства «Приоритет-2030». В Институте вычислительной математики и информационных технологий Казанского федерального университета (КФУ) разработали алгоритм для обработки и анализа медицинских изображений, который уже внедряется в Университетской клинике КФУ. Даже небольшие дефекты на медицинских изображениях могут привести к ложным диагнозам врачей. Это особенно важно, когда искажение происходит из-за мелких неисправностей в оборудовании. Ученые Казанского федерального университета предлагают восстанавливать потерянные участки изображений с помощью специального алгоритма: синтеза нейронной сети и математических подходов, в том числе и преобразования Фурье. В проекте приняли участие директор ИВМиИТ КФУ Дмитрий Чикрин, руководитель научно-исследовательской лаборатории «Высокопроизводительные вычисления, медицинская кибернетика и машинное зрение» КФУ Дмитрий Тумаков, заведующий отделением лучевой диагностики Университетской клиники КФУ Диаз Галимьянов, младший научный сотрудник НИЛ «Высокопроизводительные вычисления, медицинская кибернетика и машинное зрение» КФУ Алишер Жуманиёзов, магистрант ИВМиИТ КФУ Зуфар Каюмов. Как сообщил руководитель научно-исследовательской лаборатории «Высокопроизводительные вычисления, медицинская кибернетика и машинное зрение» Института вычислительной математики и информационных технологий Д. Тумаков, алгоритм представляет собой синтез работы нейронной сети и математических подходов, в том числе и преобразования Фурье. Маммография – наиболее эффективное и весьма распространенное исследование, предназначенное для раннего выявления рака молочной железы (РМЖ). Однако ранние РМЖ могут иметь весьма малые размеры (несколько миллиметров) либо располагаться на плотном фоне, что значительно затрудняет их выявление в процессе визуального анализа маммограмм врачом-рентгенологом и приводит к их несвоевременной диагностике. Соответствующее исследование и выводы отражены в научной статье «Устранение дефектов маммографии, вызванных неисправностью матрицы аппарата». Алгоритм состоит из трех этапов. Первый – выявление дефектов. Второй предполагает улучшение и выравнивание контрастов различных частей изображения вне дефекта. Третий предполагает восстановление области дефекта с помощью комбинации интерполяции и искусственной нейронной сети. Маммограмма, полученная как результат применения алгоритма, показывает значительно лучшее качество изображения и не содержит искажений, вызванных изменением яркости пикселей. Всего из исходного и полученного изображений извлекается 98 радиомических признаков, делаются выводы о минимальных различиях признаков между исходным изображением и изображением, полученным по предложенному алгоритму. Для повышения эффективности анализа маммограмм также была разработана система компьютерной диагностики, которая обеспечивает возможность выявления плохо видимых изменений. На большой выборке (более 600 случаев) было показано, что данная система обеспечивает выявление 90 процентов случаев РМЖ (в том числе 48 процентов невидимых и 87 процентов плохо видимых случаев, в среднем, за два года до фактической постановки диагноза).
Сейчас ноу-хау казанских ученых уже активно пользуются врачи Университетской клиники КФУ. В планах у ученых – объединить алгоритмы устранения дефектов и «предсказывающую» нейронную сеть – для улучшения качества классификации маммографических изображений в будущих исследованиях. Работа выполнена в рамках программы стратегического академического лидерства КФУ «Приоритет-2030». Автор: Руфина Гималетдинова, фото: Юлия Акмурзина Источник: news.myseldon.com Комментарии: |
|