В России научили нейросеть распознавать рак по снимку родинки По фотографии она определяет десять пигментных поражений кожи
На сегодняшний день рак кожи является одним из наиболее распространенных видов злокачественных опухолей. Диагностировать его непросто из-за схожих проявлений доброкачественных и злокачественных поражений кожи. Системы на основе нейросетей способны повысить точность диагностики, но они не дают достаточно высокой точности распознавания из-за наличия на изображении шумов — как правило, волос. Они могут изменить размер, форму, цвет и текстуру пигментного поражения кожи, снижая эффективность и качество результатов исследования. Ученые из СКФУ предложили заменить пиксели волосяных структур на пиксели кожи, что позволяет сохранить точность диагностики.
Для начала происходит разделение RGB-изображения на цветовые составляющие, затем определяется местоположение волос и производится замена пикселей волос соседними пикселями. После этого происходит обратное построение изображения. После предварительной цифровой обработки изображения происходит распознавание и классификация пигментных поражений кожи с помощью специально обученных нейросетей. Для их обучения использовалось около 42 тысяч изображений из международного открытого архива ISIC Melanoma Project.
Созданная в СКФУ система научилась распознавать десять категорий пигментных поражений кожи от дерматофибромы, невуса, солнечного лентиго и разных видов кетароза до меланомы и других видов рака. Наибольшая точность распознавания пигментных поражений кожи была достигнута при помощи нейросетевой архитектуры AlexNet — 80,81%. Этот показатель выше, чем у аналогичных систем автоматизированной классификации. Согласно исследованиям, средняя точность распознавания таких поражений специалистами составляет от 65 до 75%. Теперь ученые планируют разработать более сложные системы нейросетевой классификации пигментных новообразований кожи.
Искусственный интеллект сегодня помогает распознавать COVID-19, рака легких, молочной железы, остеопороз, различные патологии легких и сердечно-сосудистые заболевания:
Использованные источники:
