Pētnieki no RUDN Universitātes sadarbībā ar zinātniekiem no Ķīnas un Saūda Arābijas ir veiksmīgi izstrādājuši mašīnmācīšanās modeli, kas ievērojami uzlabo piena dziedzera vēža diagnosticēšanas precizitāti, izmantojot histoloģiskās attēlus. Iekļaujot papildu uzmanības moduļus konvolūcijas neironu tīklos, modelis sasniedza gandrīz 100% precizitātes līmeni. Šis tehnoloģiskais pārdošanā ir paredzēts, lai samazinātu apgrūtinājumu ārstiem, uzlabotu piena dziedzera vēža ārstēšanu un diagnosticēšanu un pastiprinātu medicīniskā attēlu analīzes kopējās spējas.
Medicīnas diagnostikas jomā precīza un laicīga diagnoze būtiski ietekmē prognozi pacientiem ar piena dziedzera vēzi. Tomēr subjektīvie faktori un parauga kvalitāte bieži var novest pie nepareizām diagnozēm, balstoties uz histoloģijas rezultātiem. Lai risinātu šo problēmu, matemātiķu komanda RUDN Universitātē izpētīja mašīnmācīšanās potenciālu, lai precīzāk atpazītu vēzi histoloģiskos attēlos.
Viņu pieeja ietvēra dažādu konvolūcijas neironu tīklu integrēšanu ar divkāršās konvolūcijas uzmanības moduļiem. Šie papildu moduļi bija paredzēti, lai uzlabotu tīkla spēju atklāt vēža veidojumus attēlos. Modelis tika apmācīts un novērtēts, izmantojot BreakHis datu kopu, kas ietvēra gandrīz 10 tūkstošus histoloģiskos attēlus, iegūtus no 82 pacientiem.
Starp testētajiem modeļiem, vislolojošākos rezultātus deva DenseNet211 konvolūcijas tīkla sastāvs ar uzmanības moduļiem. Šis modelis sasniedza iespaidīgu precizitāti – 99,6%. Pētnieki savā pētījumā arī novēroja, ka vēža veidojumu atpazīšana tika ietekmēta arī ar skalas faktoru. Tādēļ viņi uzsvēra nepieciešamību ņemt vērā piemērotu tuvināšanas tehniku reālās pasaules lietojumprogrammās.
Saskaņā ar Ammāru Mūtannu, zinātnisko centra vadītāju, kas specializējas bezvadu 5G tīklu modelēšanā RUDN Universitātē, uzmanības moduļi ievērojami uzlaboja modeļa kopējo veiktspēju, uzlabojot īpašību ieguvi un ļaujot modelim koncentrēties uz kritiski svarīgajām attēla vietām. Mūtanna uzsver uzmanības mehānismu nozīmi medicīniskās attēlu analīzēs, norādot, ka šī pārmaiņu tehnoloģija ne tikai atvieglos ārstu darba slodzi, bet arī uzlabos testu precizitāti, sniedzot priekšrocības piena dziedzera vēža ārstēšanai un diagnosticēšanai.
The source of the article is from the blog scimag.news