Дослідники з університету RUDN спільно з вченими з Китаю та Саудівської Аравії розробили модель машинного навчання, яка значно покращує точність діагностики раку грудей за допомогою гістологічних зображень. Шляхом включення додаткових модулів уваги в згорткові нейронні мережі, модель забезпечила точність майже 100%. Цей технологічний прорив сподівається зменшити навантаження на лікарів, покращити лікування та діагностику раку грудей, а також підвищити загальні можливості медичного аналізу зображень.
У галузі медичної діагностики точна та своєчасна діагностика має великий вплив на прогнозування у пацієнтів, хворих на рак грудей. Однак суб’єктивні фактори та якість зразків часто призводять до неправильних діагнозів на основі гістології. Для вирішення цієї проблеми команда математиків з університету RUDN вивчила потенціал машинного навчання для більш точного розпізнавання раку на гістологічних зображеннях.
Їх підхід включав тестування різних згорткових нейронних мереж, вбудованих у подвійні модулі уваги згорткових нейронних мереж. Ці додаткові модулі були створені для покращення здатності мережі розпізнавати ракові утворення на зображеннях. Модель була навчена та оцінена за допомогою набору даних BreakHis, який включав майже 10 тисяч гістологічних зображень, отриманих від 82 пацієнтів.
З-поміж протестованих моделей найбільш перспективними результатами відзначається модель комбінації згорткової мережі DenseNet211 з модулями уваги. Ця модель досягла вражаючої точності в 99,6%. Під час дослідження математики також помітили, що розпізнання ракових утворень залежить від масштабу. Відповідно, вони підкреслюють необхідність використання відповідної техніки апроксимації для реальних застосувань.
За словами доктора Аммара Мутанни, директора наукового центру моделювання бездротових мереж 5G в університеті RUDN, модулі уваги дуже покращують загальну продуктивність моделі, покращуючи витягування ознак та дозволяючи моделі фокусуватися на критичних ділянках зображень. Мутанна наголошує на значущості механізмів уваги при аналізі медичних зображень, стверджуючи, що ця проривна технологія не тільки полегшить роботу лікарів, але й покращить точність тестів, що нарешті дозволить покращити лікування та діагностику раку грудей.
The source of the article is from the blog exofeed.nl