Добавить в корзинуПозвонить
Найти в Дзене
Сделано в России

Новгородский студент обучил ИИ находить признаки деменции на снимках мозга

Студент Политехнического института Новгородского государственного университета Егор Фекличев обучил нейросеть находить признаки деменции на снимках мозга, сообщили в вузе. Для создания прототипа проводилось сравнительное тестирование трех нейросетей, способных распознавать изображения. Для обучения использовались материалы проекта OASIS, содержащие данные томографии мозга как здоровых, так и больных людей с разными степенями тяжести. После анализа снимков программа относила пациентов к одному из классов когнитивного состояния. В основе разметки использовалась шкала CDR: значение 0 говорит об отсутствии признаков деменции, промежуточные значения указывают на сомнительное или легкое когнитивное снижение, а более высокие значения соответствуют выраженной стадии заболевания. Искусственный интеллект не просто «запоминает» снимки, а учится находить в них закономерности, связанные с клинической оценкой состояния пациента. В результате сравнения трех моделей наибольшую эффективность в прави

Новгородский студент обучил ИИ находить признаки деменции на снимках мозга

Студент Политехнического института Новгородского государственного университета Егор Фекличев обучил нейросеть находить признаки деменции на снимках мозга, сообщили в вузе.

Для создания прототипа проводилось сравнительное тестирование трех нейросетей, способных распознавать изображения. Для обучения использовались материалы проекта OASIS, содержащие данные томографии мозга как здоровых, так и больных людей с разными степенями тяжести.

После анализа снимков программа относила пациентов к одному из классов когнитивного состояния. В основе разметки использовалась шкала CDR: значение 0 говорит об отсутствии признаков деменции, промежуточные значения указывают на сомнительное или легкое когнитивное снижение, а более высокие значения соответствуют выраженной стадии заболевания.

Искусственный интеллект не просто «запоминает» снимки, а учится находить в них закономерности, связанные с клинической оценкой состояния пациента. В результате сравнения трех моделей наибольшую эффективность в правильности анализа показала модель EfficientNet — она дала 79% правильных ответов. Как подчеркнул автор разработки, дальнейшая работа будет направлена на увеличение данных для обучения и повышение эффективности прототипа модели.

Фото: ФГБОУ ВО "Новгородский государственный университет имени Ярослава Мудрого"

#сделановроссии

Подписывайтесь на «Сделано в России»