• Добавить в закладки
  • Facebook
  • Twitter
  • Telegram
  • VK
  • Печать
  • Email
  • Скопировать ссылку
31.10.2023, 12:52
ЮУрГУ
396

Челябинские ученые создали алгоритм, распознающий опухоли мозга с вероятностью 99 процентов

❋ 4.7

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).

Челябинские ученые создали алгоритм, распознающий опухоли мозга с вероятностью 99 процентов
Челябинские ученые создали алгоритм, распознающий опухоли мозга с вероятностью 99 процентов / © Getty images / Автор: Euclio Drusus

«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».

Выбор дерева опорных точек на МРТ — основа принципа / © Пресс-служба ЮУрГУ

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.

Старший научный сотрудник лаборатории больших данных и машинного обучения Южно-Уральского государственного университета профессор Сэчин Кумар / © Пресс-служба ЮУрГУ

«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.

Нашли опечатку? Выделите фрагмент и нажмите Ctrl + Enter.
Южно-Уральский государственный университет — это центр цифровых трансформаций, где проводят инновационные исследования по большинству приоритетных направлений развития науки и техники. В соответствии со стратегией научно-технологического развития России, университет сфокусирован на продвижении крупных научных междисциплинарных проектов в области цифровой индустрии, материаловедения и экологии. В 2021 году ЮУрГУ победил в конкурсе по программе «Приоритет-2030». Вуз выполняет функции регионального проектного офиса Уральского межрегионального научно-образовательного центра мирового уровня (УМНОЦ).
Подписывайтесь на нас в Telegram, Яндекс.Новостях и VK
Предстоящие мероприятия
15 июля, 11:00
НИУ ВШЭ

В Институте искусственного интеллекта и цифровых наук ФКН НИУ ВШЭ предложили новый подход, основанный на современных методах машинного обучения, для определения генетического происхождения человека. Графовые нейросети позволяют с высокой точностью различать даже очень близкие популяции.

14 июля, 16:17
Денис Яковлев

Люди, которые занимаются сексом реже раза в месяц, имеют необычайно высокий риск смерти, если у них есть лишний вес и симптомы депрессии, выяснили ученые.

14 июля, 11:29
ПНИПУ

Представьте мир, где извергаются серные вулканы высотой в 60 раз больше Эвереста, под 20-километровым льдом скрываются океаны, мощные гейзеры выбрасывают струи водяного пара в космос, а реки из жидкого метана стекают в углеводородные моря. Так выглядят спутники планет Солнечной системы. Ученый Пермского Политеха Евгений Бурмистров рассказал, почему они считаются самыми перспективными местами для поиска жизни и колонизации.

12 июля, 22:10
Редакция Naked Science

Лето 2025 обещает насыщенную линейку научно-фантастических сериалов на ведущих стриминговых платформах. От адаптаций культовых романов до масштабных космических одиссей — мы отобрали проекты, на которые стоит обратить внимание.

11 июля, 17:47
Денис Яковлев

Международная команда ученых оценила связь между длительностью физической активности, ее интенсивностью, риском смерти от всех причин и вероятностью развития сердечно-сосудистых и онкологических заболеваний.

15 июля, 11:00
НИУ ВШЭ

В Институте искусственного интеллекта и цифровых наук ФКН НИУ ВШЭ предложили новый подход, основанный на современных методах машинного обучения, для определения генетического происхождения человека. Графовые нейросети позволяют с высокой точностью различать даже очень близкие популяции.

17 июня, 16:49
Адель Романова

Радиотелескопы уловили очень короткий сигнал, и по его характеристикам стало ясно, что он не может быть естественного происхождения. Астрономы пришли к выводу, что источник находился в околоземном пространстве — там, где уже более полувека летает «мертвый» аппарат NASA.

25 июня, 15:19
ФизТех

Группа российских ученых из Института прикладной математики имени М. В. Келдыша РАН и МФТИ провела детальное численное исследование источников шума, генерируемых крылом прототипа сверхзвукового бизнес-джета в режиме посадки. Эта работа, сочетающая передовые методы вычислительной гидродинамики и аэроакустики, впервые позволила с высокой точностью локализовать и охарактеризовать основные зоны шумообразования вблизи полноразмерной геометрии крыла модели прототипа сверхзвукового пассажирского самолета в посадочной конфигурации.

2 июля, 11:17
Юлия Тарасова

Результаты эксперимента в США в будущем могут позволить добиться разрешения на использование отработанной конопли в качестве кормовой добавки в животноводстве.

[miniorange_social_login]

Комментарии

Написать комментарий
Подтвердить?
Подтвердить?
Причина отклонения
Подтвердить?
Не получилось опубликовать!

Вы попытались написать запрещенную фразу или вас забанили за частые нарушения.

Понятно
Жалоба отправлена

Мы обязательно проверим комментарий и
при необходимости примем меры.

Спасибо
Аккаунт заблокирован!

Из-за нарушений правил сайта на ваш аккаунт были наложены ограничения. Если это ошибка, напишите нам.

Понятно
Что-то пошло не так!

Наши фильтры обнаружили в ваших действиях признаки накрутки. Отдохните немного и вернитесь к нам позже.

Понятно
Лучшие материалы
Закрыть
Войти
Регистрируясь, вы соглашаетесь с правилами использования сайта и даете согласие на обработку персональных данных.
Ваша заявка получена

Мы скоро изучим заявку и свяжемся с Вами по указанной почте в случае положительного исхода. Спасибо за интерес к проекту.

Понятно