Уведомления
Авторизуйтесь или зарегистрируйтесь, чтобы оценивать материалы, создавать записи и писать комментарии.
Авторизуясь, вы соглашаетесь с правилами пользования сайтом и даете согласие на обработку персональных данных.
Челябинские ученые создали алгоритм, распознающий опухоли мозга с вероятностью 99 процентов
Старший научный сотрудник лаборатории больших данных и машинного обучения Южно-Уральского государственного университета профессор Сэчин Кумар разработал модель нейросети для распознавания опухолей мозга по изображениям магнитно-резонансной томографии (МРТ).
«Обучение нейросети проходило на общедоступном наборе из 3064 изображений МРТ от 230 пациентов, – рассказывает Сэчин Кумар. – Распознавались три вида опухолей – глиомы, менингиомы и опухоли гипофиза. Наша модель сочетает в себе элементы сверточной и конволюционной нейронных сетей (U-net и CNN) для сегментации и классификации опухолей, что увеличило ее эффективность с точностью более чем 99 процентов». На наборе данных пациентов с уже подтвержденным диагнозом, в 99,39 процентов была диагностирована болезнь, и лишь 0,61 процентов системой был ошибочно поставлен диагноз «здоровы».
Для такого результата нейросеть прошла 150 циклов обучения. Алгоритмы были реализованы на языке программирования Python. «При обучении нейросети каждое изображение изначально сегментировалось на девять частей, – объясняет суть технологии Сэчин Кумар. – Выстраивалось дерево опорных точек (VPT), просчитывались показатели ближайших соседей-пикселей, создавались метки, которые потом использовались для вычисления вероятностей».
Затем использовалась «сверточная» сеть. «Сверточная нейронная сеть (U-net) – особая архитектура для задач семантической сегментации, таких, как например, сегментация опухолей мозга. Она состоит из двух главных частей – кодера и декодера. Кодер собирает и редуцирует пространственную информацию в изображении с помощью сверточных слоев и операций объединения, в то время как декодер преобразует ее для создания карты сегментации.
«Конволюционные нейронные сети (CNN), рекуррентные нейронные сети (RNN), сверточные нейронные сети (U-Net), сети с долговременной и кратковременной памятью (LSTM) – это все технологии глубокого обучения, – поясняет Сэчин Кумар. – В сущности, глубокое обучение полезно тогда, когда объем данных достаточно большой, и простые алгоритмы машинного обучения не справляются с ним за приемлемое время. Глубокое обучение обеспечивает высокую точность при работе именно с большими данными».
Профессор Кумар уверен в эффективности своей модели, однако предостерегает от поспешного ее внедрения. И дело прежде всего в географии. «Общедоступные наборы данных собраны в конкретном регионе планеты, – поясняет Сэчин Кумар. – Но образ жизни и уровень жизни населения, экология, питание, качество воды и воздуха и другие экологические и медицинские параметры в каждой стране разные». Поэтому нейросеть, перед внедрением в больничную практику, предстоит дополнительно обучить на данных МРТ конкретной страны или региона. Но это лишь пока.
«Целью проекта была разработка более точной модели – по сравнению с уже существующими. И нам это удалось, – говорит Сэчин Кумар. – Следующий шаг – сбор, объединение данных из других стран и наконец разработка некой универсальной модели, которую одобрят и внедрят для использования в больницах по всему миру».
Сэчин Кумар – один из семи сотрудников Южно-Уральского государственного университета, получивший премию «Признание ЮУрГУ-2022», победитель в номинации «Наука». Его работа поддержана грантом Российского научного фонда. Со своим открытием он также принимал участие в проекте FENU-2020-0022 «Математические основы, модели и алгоритмы цифровой индустрии» под руководством профессора Леонида Соколинского, поддержанном Министерством образования России.
Третий эпизод показывает ситуацию на Земле будущего в то самое время, когда передовые отряды человечества пытаются колонизировать другие миры. Похоже, энтузиазм исследователей в мире сериала возник не от оптимизма, а от жестокой необходимости. Видео переведено на русский специально для пользователей Naked Science.
Память устроена не так, как предполагают большинство людей исходя из субъективного опыта. Улучшить ее и перестать забывать о рутинных действиях помогут специальные техники, рассказали психологи из США в новой книге.
Четвертый эпизод сериала снова забрасывает нас на другой мир, видимо, один из тех, куда по каким-то причинам разбегаются люди с нашей планеты. Вы увидите, как не стоит использовать холодное оружие если вы хотите избежать ранений, и как не надо лечить раны, если вы их все-таки получили. Впрочем, итоги серии все-таки чуть более оптимистичны. Видео переведено на русский специально для пользователей Naked Science.
Первый эпизод рассказывает об исследователе, который посещает различные планеты в поисках инопланетной жизни. Видео переведено на русский специально для пользователей Naked Science.
Ты Достигарий, Стронций или Свершениум? Пройди тест и узнай, какой ты элемент из таблицы НейроМенделеева. Если ответишь на все семь вопросов, сможешь получить подарок лично от учёного.
Третий эпизод показывает ситуацию на Земле будущего в то самое время, когда передовые отряды человечества пытаются колонизировать другие миры. Похоже, энтузиазм исследователей в мире сериала возник не от оптимизма, а от жестокой необходимости. Видео переведено на русский специально для пользователей Naked Science.
Ученые из Австралии и Канады пришли к выводу, что подавляющее большинство одиноких людей не вступает в романтические отношения из-за страха. С одной стороны ими руководят опасения, что их отвергнут, с другой — что они потеряют свою независимость.
Режим работы, количество трудовых часов в неделю и экономическую стабильность профессии прочно ассоциируют с благополучием человека. Количественно и качественно определить эти взаимосвязи получается редко — нужны большие выборки респондентов и длительное время наблюдений. Автор новой научной работы использовал долговременное исследование более чем семи тысяч американцев, чтобы выявить основные эффекты паттернов трудовой деятельности на психическое и физическое здоровье работающих людей.
Северный Кавказ играл ключевую роль в древней колонизации Евразии и формировании ее культурного и генетического наследия, однако до сих пор не до конца изучена генетическая история носителей местных культур. Ученые впервые провели глубокое секвенирование древней ДНК представителей кобанской культуры, сформировавшейся в позднем бронзовом веке на Северном Кавказе, и сравнили ее с генетическими данными современных народов Кавказа. Результаты работы подтвердили роль носителей кобанской культуры как древнего генетического моста между бронзовым и железным веками на Северном Кавказе.
Вы попытались написать запрещенную фразу или вас забанили за частые нарушения.
ПонятноИз-за нарушений правил сайта на ваш аккаунт были наложены ограничения. Если это ошибка, напишите нам.
ПонятноНаши фильтры обнаружили в ваших действиях признаки накрутки. Отдохните немного и вернитесь к нам позже.
ПонятноМы скоро изучим заявку и свяжемся с Вами по указанной почте в случае положительного исхода. Спасибо за интерес к проекту.
ПонятноМы скоро прочитаем его и свяжемся с Вами по указанной почте. Спасибо за интерес к проекту.
Понятно
Комментарии