Ученые Томского государственного университета создают новые подходы для диагностики социально значимых заболеваний — инфекционных, диабета, инфаркта, онкологии, используя в качестве основного инструмента технологии лазерной спектроскопии и машинное обучение. Одна из проблем при диагностике — побочные шумы, которые искажают спектральный сигнал и снижают точность анализа. Убрать помехи теперь помогает глубокая нейросеть, которую исследователи на сгенерированной выборке научили распознавать шумы и отфильтровывать их от спектрального сигнала.
Описание нового подхода представлено статье, опубликованной в журнале Journal of Quantitative Spectroscopy and Radiative Transfer. «Шумовая составляющая затрудняет количественный и качественный анализ спектральных данных, полученных с использованием оптических методов, – поясняет заведующий лабораторией лазерного молекулярного имиджинга и машинного обучения ТГУ Юрий Кистенев. – Для уменьшения шумов созданы различные фильтры, однако подавляющее большинство из них одновременно с фильтрацией искажает полезный сигнал. Например, широко используемый фильтр Гаусса приводит к «размыванию» сигнала. Это можно сравнить с картинкой с расплывчатыми границами».
Ученые лаборатории ТГУ нашли техническое решение задачи. Они обучили глубокую нейросеть на большой выборке данных, в том числе зашумленных, синтезированных с учетом специфики задачи. Затем нейросеть протестировали на других спектральных данных, которые не использовались в обучении нейросети. По словам разработчиков, модельные эксперименты показали высокую эффективность фильтрации. Причем, новый подход позволил не только существенно уменьшать уровень помех, но и восстанавливать исходный сигнал из зашумленного.
Подход разработан в рамках проекта, реализуемого учеными Томского госуниверситета совместно с коллегами из Университета прибрежного опалового побережья (Франция) при поддержке Минобрнауки России. В рамках совместных исследований также создан новый способ анализа молекулярных компонент в атмосфере с помощью методов терагерцовой спектроскопии и искусственного интеллекта. Его можно будет использовать для анализа химических соединений в атмосфере с целью экологического мониторинга и контроля индустриальных загрязнений. Наряду с этим разработка поможет противостоять техногенным, биогенным и террористическим угрозам.
«По сути, технология, созданная для фильтрации шумов, является универсальной – ее можно адаптировать под разные оптические методы, будь то терагерцовая спектроскопия, рамановская спектроскопия или другие виды спектрального анализа, – говорит Юрий Кистенев. – Мы, например, используем глубокую нейросеть, способную «очищать» спектральный сигнал от шума при создании новых методов диагностики заболеваний по выдыхаемому воздуху». Работа над ними идет на базе лаборатории при поддержке мегагранта правительства России.
