Ученый Южно-Уральского государственного университета разработал модель нейросети для распознавания опухолей мозга по изображениям МРТ. Для этого он использовал язык программирования Python. Нейросеть прошла 150 циклов обучения, сообщают «Вести». — Обучение нейросети проходило на общедоступном наборе из 3064 изображений МРТ от 230 пациентов. Распознавались три вида опухолей – глиомы, менингиомы и опухоли гипофиза, — отмечает старший научный сотрудник лаборатории больших данных и машинного обучения ЮУрГУ, профессор Сэчин Кумар. Каждое изображение было поделено на девять частей. Создавались опорные точки и метки. Все эти данные потом использовались для вычисления. Профессор отмечает, что модель эффективна, но нужно учитывать и географию. — Общедоступные наборы данных собраны в конкретном регионе планеты. Но образ жизни и уровень жизни населения, экология, питание, качество воды и воздуха и другие экологические и медицинские параметры в каждой стране разные, — подчеркивает Сэчин Кумар. Он
Ученый Южно-Уральского государственного университета разработал модель нейросети для распознавания опухолей мозга по изображениям МРТ. Для этого он использовал язык программирования Python. Нейросеть прошла 150 циклов обучения, сообщают «Вести».
— Обучение нейросети проходило на общедоступном наборе из 3064 изображений МРТ от 230 пациентов. Распознавались три вида опухолей – глиомы, менингиомы и опухоли гипофиза, — отмечает старший научный сотрудник лаборатории больших данных и машинного обучения ЮУрГУ, профессор Сэчин Кумар.
Каждое изображение было поделено на девять частей. Создавались опорные точки и метки. Все эти данные потом использовались для вычисления. Профессор отмечает, что модель эффективна, но нужно учитывать и географию.
— Общедоступные наборы данных собраны в конкретном регионе планеты. Но образ жизни и уровень жизни населения, экология, питание, качество воды и воздуха и другие экологические и медицинские параметры в каждой стране разные, — подчеркивает Сэчин Кумар.
Он считает, что нейросеть предстоит дополнительно обучить. Следующий шаг – объединение данных МРТ из других стран и разработка универсальной модели, которую можно было бы внедрить по всему миру.