CytoFM — первая фундаментальная модель, обученная специально для цитологии |
||
|
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 Атаки на ИИ Внедрение ИИИИ теория Компьютерные 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 Промпты. Генеративные запросы Распознавание лиц Распознавание образов Распознавание речи Творчество ИИ Техническое зрение Чат-боты Авторизация |
2025-10-16 12:07 Искусственный интеллект всё активнее входит в лабораторную диагностику. В апреле 2025 года была представлена CytoFM — первая в мире фундаментальная модель, обученная не на снимках тканей или естественных изображениях, а исключительно на цитологических данных. В отличие от большинства нейросетей, созданных для гистологии, эта модель «понимает» именно особенности клеточной морфологии — форму, ядра, распределение и прочие признаки, знакомые цитологам. Что сделали авторы: • Обучили модель на большом массиве цитологических изображений, включая мазки из разных источников. • Использовали современный метод самообучения (iBOT) — это позволяет достигать высоких результатов без ручной разметки каждого изображения. • Протестировали модель на задачах классификации клеток молочной железы и определения типов клеток. Результаты: В двух из трёх задач CytoFM превзошла модели, обученные на гистологических данных и даже на ImageNet. Модель точно определяет, на какие участки изображения нужно обращать внимание (есть отличные визуализации, как она «смотрит» на клетку). Особенно хорошо работает в условиях нехватки размеченных данных. Зачем это нужно практикующим специалистам: — Эта модель может стать основой для создания систем поддержки решений в цитологии, особенно в массовых скрининговых программах. — Она гибко адаптируется под разные типы мазков и органов. — В перспективе может существенно снизить нагрузку на врачей-цитологов и повысить точность диагностики. Оригинальная статья PDF (открытый доступ, на английском): https://www.arxiv.org/pdf/2504.13402 Источник: www.arxiv.org Комментарии: |
|