Egy RUDN Egyetem matematikusokból álló csapata sikeresen kifejlesztett egy úttörő mesterséges intelligencia (MI) modellt, amely képes a mellrák azonosítására hisztológiai mintákban közel tökéletes, majdnem 100% pontossággal. Az áttörést az figyelemmechanizmus modul beépítése tette lehetővé, amely jelentősen javította a modell képességét a kulcsfontosságú jellemzők és érdekes területek kijelölésére a képeken. E rendkívüli eredményekről szóló kutatás eredményeit a tekintélyes tudományos lapban, a Life-ban tették közzé.
A mellrák korai felismerése kulcsfontosságú a beteg prognózisának javítása és az általános kezelési eredmények szempontjából. Azonban a hisztológiai vizsgálat, amely jelenleg a diagnózis arany standardja, hajlamos a szubjektív interpretációra és a minták minőségének változékonyságára, ami pontatlanságokat és téves diagnózisokat eredményezhet. Az említett kihívások elleni küzdelem érdekében a matematikusok interdiszciplináris csapata kínai és szaúd-arábiai szakértőkkel együttműködve tervezett egy MI modellt, amely fokozhatja a rák felismerésének pontosságát hisztológiai képeken.
„A számítógépes alapú hisztológiai képek osztályozása és elemzése rendkívül fontos a diagnosztikai pontosság javítása és az orvosi szakemberek terhelésének csökkentése szempontjából” – mondta Dr. Ammar Muthanna, a RUDN Egyetem Scientific Center for Modeling Wireless 5G Networks igazgatója.
A matematikusok szigorúan tesztelték a különböző konvolúciós neurális hálózatokat, olyan figyelemmechanizmus modulokkal kiegészítve, amelyek kifejezetten képesek az objektumok felismerésére a képeken. A végső modell, amely a DenseNet211 konvolúciós hálózatot kombinálta figyelemmechanizmus modulokkal, impozáns 99,6% pontosságot ért el. Fontos megjegyezni, hogy a kutatók megfigyelték, hogy a képek mérete jelentős hatással bír a rákos elváltozások felismerésére, ami felhívja a figyelmet megfelelő kép közelítések további vizsgálatára a valós világban történő alkalmazásokban.
Dr. Muthanna hangsúlyozta a figyelemmechanizmusok fontosságát a medicinai képek elemzésében, mivel segítik a jellemzők kinyerését és az általános modellezési teljesítményt. A figyelemmechanizmusok lehetővé tették az MI modell számára, hogy a képek releváns területeire koncentráljon és fontos információkat vonjon ki, így forradalmasítva az orvosi képek elemzését.
Ez az MI technológia áttörése lehetőséget teremt a mellrák diagnosztikájának forradalmasítására és a beteg kimenetek jelentős javítására. A szubjektív interpretációra való támaszkodás csökkentése és a pontosság fokozása révén ez az MI modell ígéretes lehetőséget nyújt a medicinai képalkotás területének átalakítására és a mellrák korai felismerésének és kezelésének fejlesztésére.
The source of the article is from the blog portaldoriograndense.com