Стандарт описания снимка оптической когерентной томографии макулярной области сетчатки глаза |
||
|
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 |
2026-01-27 12:15 Чупров А.Д., Лосицкий А.О., Жигалов А.Ю., Таскина Е.С. Актуальность. Большое число проводимых исследований — оптической когерентной томографии (ОКТ) макулярной области сетчатки глаза, отсутствие единых правил описания результатов затрудняют клиническую, организационную и научную работу при использовании накопленных и вновь получаемых данных. Цель. Проверка гипотезы о возможности создания справочника описания результатов ОКТ, формулировке стандарта описания снимка ОКТ методом обработки естественного языка (неструктурированных данных, накопленных ранее в медицинских информационных системах). Материал и методы. Произведен анализ 30 000 неструктурированных текстовых описаний медицинских изображений нормы и патологии макулярной области сетчатой оболочки глаза человека. К полученному массиву данных применена техника тематического моделирования BERTopic. Результаты. После моделирования, первичной очистки обнаружено 123 темы, к которым применен метод иерархической кластеризации для объединения их в синдромокомплексы, свидетельствующие об отсутствии или наличии патологического процесса с наименованием данного синдромокомплекса на основании экспертной оценки. Полученные данные систематизированы в таблицу для использования в практической деятельности. Полный справочник разделов, признаков, синдромокомплексов доступен для скачивания, использования, интеграции в медицинские информационные системы по ссылке https://disk.yandex.ru/i/agKdkWGvYyMfaQ. Заключение. Полученный справочник может быть полезен в практической работе: создании медицинских информационных систем, систем поддержки принятия врачебных решений на основе нейронных систем, других методов глубокого машинного обучения, гипотез о возможности построения справочников путем обработки больших массивов «естественного» языка подтверждена. Источник: eyepress.ru Комментарии: |
|