Összefoglalás: A RUDN Egyetem kutatói sikeresen kifejlesztettek egy gépi tanuló modellt, amely jelentősen javítja az emlőrák diagnózisának pontosságát a histológiai képek segítségével. Azáltal, hogy további figyelő modulokat építettek be a konvolúciós neurális hálózatokba, a modell közel 100%-os pontosságot ért el. Ez a technológiai áttörés várhatóan csökkenti az orvosok terheit, javítja az emlőrák kezelését és diagnózisát, valamint fokozza a medicinális képalkotás általános képességeit.
A medicina diagnosztikájának területén az emlőrák pontos és időben történő diagnózisa nagyban befolyásolja a betegek prognózisát. Azonban a szubjektív tényezők és a minták minősége gyakran vezethet helytelen diagnózisokhoz a histológiás eredmények alapján. A RUDN Egyetem matematikusai olyan gépi tanulás lehetőségeit vizsgálták, amelyek pontosabban képesek felismerni a rákos elváltozásokat a histológiai képeken.
Az új megközelítésük többféle konvolúciós neurális hálózat tesztelését foglalta magában, amelyekbe kétszeres konvolúciós figyelő modulokat integráltak. Ezek a kiegészítő modulok célja az volt, hogy fokozzák a hálózat képességét a rákos elváltozások felismerésére a képeken. A modellt a BreakHis adatkészleten tanították és értékelték, amely közel 10 ezer histológiai képet tartalmazott, amiket 82 páciensnél vettek.
A tesztelt modellek közül a legígéretesebb eredményeket a DenseNet211 konvolúciós hálózat összetételével elért modell érte el, figyelő modulokkal kiegészítve. Ez a modell lenyűgözően 99,6%-os pontosságot ért el. A matematikusok kutatása során megfigyelték, hogy a rákos elváltozások felismerése mérettől függ. Ennek következtében kiemelték a megfelelő approximációs technika szükségességét a valós alkalmazásokban.
Az RUDN Egyetem Tudományos központjának vezetője, Ammar Muthanna, Ph.D. hangsúlyozza, hogy a figyelő modulok jelentősen javítják a modell általános teljesítményét, elősegítik a jellemzők kinyerését és lehetővé teszik a modell számára, hogy a képek kritikus területeire összpontosítson. Muthanna hangsúlyozza az figyelési mechanizmusok jelentőségét a medicinális képek analizálásában, hozzátéve, hogy ez az áttörő technológia nemcsak enyhíti az orvosok terheit, hanem növeli a tesztek pontosságát, és végső soron előnyös az emlőrák kezeléséhez és diagnózisához.
The source of the article is from the blog jomfruland.net