ИИ научили диагностировать туберкулез на рентгеновских снимках

Ученые Междисциплинарной научно-образовательной школы «Мозг, когнитивные системы, искусственный интеллект» МГУ разработали метод увеличения данных для обучения нейросетей, позволяющий повысить точность диагностики туберкулёза по рентгеновским снимкам. Результаты опубликованы в сборнике ISPRS International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences: https://vk.cc/cRStDF.

Туберкулёз остаётся одной из главных инфекций в мире, ежегодно унося более миллиона жизней. Несмотря на успехи медицины, ранняя диагностика по-прежнему затруднена, особенно в регионах, где не хватает квалифицированных рентгенологов. Современные алгоритмы машинного обучения могут помогать врачам в распознавании болезни по снимкам грудной клетки, однако их качество сильно зависит от объёма и качества данных для обучения.

Коллектив студентов и сотрудников МГУ предложил использовать алгоритм Fast and Adaptive Bidimensional Empirical Mode Decomposition (FABEMD) для «увеличения данных» — создания новых вариантов рентгеновских изображений путём адаптивного удаления фоновых структур. Этот метод позволяет получить дополнительные снимки, сохраняющие диагностически важные особенности, но разнообразные по структуре, что повышает устойчивость и точность работы нейросетей.

Тестирование проводилось на нескольких открытых международных наборах данных, включающих тысячи рентгеновских снимков. Эксперименты показали, что добавление таких синтетических изображений в обучающие выборки повышает диагностическую точность моделей, особенно на сложных наборах с ограниченным числом данных. Разработанный подход может применяться и в других медицинских задачах анализа изображений, где есть нехватка данных и требуется высокая точность — от диагностики лёгочных заболеваний до офтальмологии и онкологии.

Источник: isprs-archives.copernicus.org

Комментарии: