Ученые из МГУ разработали технологию, которая позволяет расширять набор данных для обучения нейросетей, используемых для диагностики такого заболевания, как туберкулез. Основным инструментом выявления заболевания в таком случае являются рентгеновские снимки, обрабатываемы автоматически искусственным интеллектом.
Авторы проекта предложили использовать технологию FABEMD (Fast and Adaptive Bidimensional Empirical Mode Decomposition), которая позволяет создавать новые изображения на основе уже существующих. Новые варианты снимков получаются после адаптивного удаления фоновых деталей. При этом сохраняются важные для диагностики элементы структуры. Обучение ИИ на таких данных увеличивает возможности и чувствительность специализированных нейросетей.
После разработки алгоритма его протестировали на крупных международных наборах данных, содержащих несколько тысяч диагностических рентгеновских снимков. Во время опытов нейросеть обучали как на «сырой» информации, так и на синтетических снимках, полученных после обработки через систему FABEMD. Выяснилось, что при добавлении последних точность диагностики с помощью ИИ заметно повышалась. Особенно это касается сложных случаев, когда оригинальных данных мало.
Мы показали, что использование FABEMD позволяет не только улучшить качество классификации снимков, но и сделать модели более устойчивыми к изменениям качества данных. Это особенно важно в медицинских задачах, где наборы изображений часто ограничены, а их характеристики зависят от оборудования и условий съемки.
Созданную методику можно применять в диагностике туберкулеза, прогоняя снимки через нейросеть. Сам алгоритм авторы разработки предлагают модифицировать для применения в других медицинских целях, например, для выявления онкологических заболеваний, диагностики легких, глаз и других органов, когда может не хватать данных.
Ранее мы рассказывали, что в России начали разрабатывать «атлас» головного мозга человека.
