Ученые Университета Иннополис, Санкт-Петербургского государственного электротехнического университета «ЛЭТИ» и Джадавпурского университета (Индия) создали новый метод анализа изображений тканей с подозрением на опухоль. Предложенная ИИ-модель выявляет рак молочной железы с минимальными вычислительными затратами и точностью 99,72%, — об этом «Газете.Ru» рассказали в Университете Иннополис.
При создании системы компьютерной диагностики для обнаружения рака молочной железы ученые предложили объединить две эффективные легковесные нейросети: SqueezeNet и ShuffleNet. Это позволило достичь высокой точности диагностики без использования тяжеловесных и энергозатратных моделей, характерных для современных систем искусственного интеллекта.
«Традиционные системы компьютерной диагностики, основанные на трансформерах и глубоких ансамблях, хотя и точны, требуют огромных вычислительных мощностей — применять такие в клиниках с ограниченными ресурсами сложно. Наша разработка решает эту проблему: она использует две компактные сверточные нейросети, которые работают в связке. Предложенный механизм взаимного гейтинга позволяет сетям обмениваться информацией, усиливая важные диагностические признаки и отсеивая шум, что обеспечивает высокую точность даже на сложных гистологических снимках. Это делает его идеальным, например, в региональных больницах или при работе на мобильных устройствах», — рассказал ведущий программист-математик Исследовательского центра в сфере ИИ Университета Иннополис Дмитрий Каплун.
Гистологические снимки – это цифровое изображение, которое вначале приходит в лабораторию в виде предметных стекол, помещающихся под окуляр микроскопа. Потом специальный сканер (роботизированный микроскоп с цифровой камерой) пошагово сканирует все стекло, объединяя фрагменты в единое цифровое изображение.
В ходе экспериментов на двух международных наборах гистопатологических изображений рака груди модель ученых показала точность 97% при нахождении нормальной и доброкачественной тканей, а также нулевой и агрессивной стадий рака. На том же наборе данных эксперименты выявили 99% точность определения наличия рака. А на эталонном наборе снимков при 100-кратном увеличении, то есть на самом популярном исследовательском тесте для гистопатологии, точность нового алгоритма достигла 99,72%.
Статистический анализ подтвердил, что улучшение показателей не случайно и алгоритм на гистопатологических изображениях фокусируется именно на тех участках тканей, которые важны для постановки диагноза.
Ранее сообщалось, что в МИРЭА научили ИИ находить первичный рак печени с точностью 100%.
