МОСКВА, 1 декабря. /ТАСС/. Ученые и студенты Московского государственного университета имени М. В. Ломоносова разработали метод расширения обучающей базы данных для ИИ-систем диагностики туберкулеза по рентгеновским снимкам. Новый подход повысил точность анализа изображений низкого качества, сообщили ТАСС в пресс-службе вуза.
Авторы разработали алгоритм Fast and Adaptive Bidimensional Empirical Mode Decomposition (FABEMD), позволяющий расширять базы данных для обучения нейросетей за счет создания дополнительных снимков. При сохранении важных для диагностики особенностей эти изображения разнообразны по структуре, что повышает устойчивость и точность работы ИИ-моделей при обработке изображений низкого качества.
"Мы показали, что использование FABEMD позволяет не только улучшить качество классификации снимков, но и сделать модели более устойчивыми к изменениям качества данных. Это особенно важно в медицинских задачах, где наборы изображений часто ограничены, а их характеристики зависят от оборудования и условий съемки", - отметил профессор кафедры математической физики ВМК МГУ Андрей Крылов, чьи слова приводит пресс-служба вуза.
Новый метод увеличения обучающих данных был протестирован на международных открытых наборах данных (Montgomery, Shenzhen, TBX11K, Sakha-TB и другие), включающих тысячи рентгеновских снимков.
"Эксперименты показали, что добавление таких синтетических изображений в обучающие выборки повышает диагностическую точность моделей, особенно на сложных наборах с ограниченным числом данных. <…> Разработанный подход может применяться и в других медицинских задачах анализа изображений, где есть нехватка данных и требуется высокая точность - от диагностики легочных заболеваний до офтальмологии и онкологии", - уточнили в университете.
Новое решение создано в рамках Междисциплинарной научно-образовательной школы "Мозг, когнитивные системы, искусственный интеллект" МГУ.