Все новости

В Сколтехе создали нейросеть для автоматического описания рентгеновских снимков

Тест системы показал, что обе ее вариации способны в 84-86% случаев выявлять ключевые патологии и подбирать диагноз, составленный простыми словами

МОСКВА, 17 апреля. /ТАСС/. Исследователи из России разработали нейросетевой алгоритм, способный обнаруживать патологии на рентгеновских снимках легких и затем описывать их простыми словами. Это ускорит постановку диагноза при функциональных исследованиях легких, сообщила в понедельник пресс-служба "Сколтеха".

"Обычные модели искусственного интеллекта просто классифицируют снимки и данные, а наша нейросеть благодаря использованию современных моделей машинного зрения и моделей компьютерной лингвистики учится автоматически описывать рентгеновские снимки", - сообщил научный сотрудник "Сколтеха" Олег Рогов, чьи слова приводит пресс-служба вуза.

Рогов и его коллеги разработали еще одну "медицинскую" нейросеть, способную ускорить диагностику заболеваний легких. Она состоит из трех разных алгоритмов: первый способен находить патологии на рентгеновских снимках легких, второй - выявлять среди них те, которые чаще всего привлекают внимание профессиональных врачей, а третий может "переводить" результаты работы первых двух на понятный простому человеку и медицинским работникам язык. В дополнение к этому, ученые создали еще одну версию ИИ, в которой первые два компонента были объединены.

Для обучения нейросетей исследователи отобрали 384 тыс. рентгеновских снимков и связанных с ними диагнозов, подготовленных медиками из США. Ученые обработали эти изображения и отметили на них ключевые участки, на которые чаще всего обращают внимание врачи при анализе результатов обследования легких. Команда также подготовила текстовые описания снимков.

"Мы специально составили свой радиологический словарь, чтобы повысить точность с точки зрения именно радиологических терминов, правил их использования в тексте. И, конечно, мы сформировали большую сводную базу рентгеновских снимков для использования в качестве обучающих данных", - пояснил Рогов.

Тест системы показал, что обе ее вариации способны в 84-86% случаев выявлять ключевые патологии на снимках и подбирать диагноз, составленный простыми словами. Это позволит использовать их для ускорения диагностики болезней легких при рутинных клинических исследованиях, подытожили исследователи.