Ученые ставропольского вуза разработали нейросетевую систему распознавания рака кожи
"Технологии искусственного интеллекта позволяют проанализировать большие массивы разнородной информации, что имеет большие перспективы для постановки медицинских диагнозов с более высокой степенью точности. Наши ученые ведут исследования по актуальным проблемам теоретической и прикладной математики и информатики на базе центра математических исследований", - прокомментировал ректор вуза Дмитрий Беспалов.
Отметим, что рак кожи является наиболее часто диагностируемой формой онкопатологии у человека, более 40 % от общего числа диагностированных раковых заболеваний в мире составляет рак кожи. Методы визуального анализа несут в себе риски так называемого ложноотрицательного ответа. В этом случае злокачественное пигментное поражение может быть диагностировано как доброкачественное.
Предложенная ставропольскими учеными нейросетевая система анализирует разнородные данные для распознавания злокачественных пигментных поражений кожи, включая дерматологические изображения и метаданные о пациенте (возраст, пол, локализация пигментного поражения на теле).
В качестве методов повышения точности использовалась предварительная очистка анализируемого участка от структур волос, а также параллельный анализ других гетерогенных данных. По словам одного из авторов статьи младшего научного сотрудника научно-исследовательской лаборатории кафедры математического моделирования ставропольского вуза Ульяны Ляховой, цифровая обработка изображений распознает пигментные образования по 10 диагностическим категориям, точность диагнозов для предложенной интеллектуальной системы составила 85,20 %.
Разработанная программа с использованием искусственного интеллекта ставит диагнозы на 15 процентов точнее, чем традиционная визуальная. Авторы также отметили, что качество постановки диагнозов предложенной нейросетевой системы выше зарубежных аналогов из Германии, Австрии, КНР.
"Обращаю внимание, что нейросетевая программа является вспомогательным инструментом и может быть использована врачами-дерматологами в качестве дополнительного метода диагностики как высокоточный инструмент, помогающий врачу поставить медицинский диагноз. Она позволяет уменьшить влияние человеческого фактора при принятии решений, значительно снизить количество ложных диагнозов и повысить точность раннего распознавания рака кожи", - рассказал заведующий кафедрой математического моделирования Павел Ляхов.
Соавтор исследования доцент кафедры математического моделирования Диана Калита также отметила, что нейронные сети способны использовать дополнительные данные путем интеграции нескольких модальностей в общую структуру.
В дальнейшем научный коллектив ставропольского вуза планирует построить более сложные ансамблевые системы нейросетевого анализа дерматологических данных, чтобы расширить диагностические категории и повысить точность исследований.
Также ученые математического центра ставропольского вуза ведут разработку технологии обработки рентгеновских снимков, чтобы выявить различные заболевания легких. Система подходит для обработки и многих других изображений, полученных в ходе медицинского обследования.