НАУКА

В Татарстане ученые создали алгоритм распознавания COVID-19 по снимкам

© РИА Новости / Валерий Мельников / Перейти в фотобанкВрач в защитном костюме в боксе экстренной медицинской помощиВ Татарстане ученые создали алгоритм распознавания COVID-19 по снимкам

Сотрудники университета Иннополис в Татарстане научили нейросеть диагностировать новый коронавирус по медицинским снимкам с точностью 80%, сообщает пресс-служба университета.

“Сотрудники центра искусственного интеллекта российского ИТ-вуза обучили нейросеть на 28 тысячах медицинских изображениях с пневмонией, в том числе на 94 изображениях, взятых у больных COVID-19. Сотрудники центра готовят к запуску онлайн-сервис, который поможет врачам быстрее выявлять больных с развившейся коронавирусной пневмонией при массовой диагностике во всём мире”, – говорится в сообщении.

Команда центра искусственного интеллекта с 2014 года работает над разработкой алгоритмов и сервисов распознавания медицинских изображений, включая рентгеновские, КТ- и МРТ-изображения различных органов, на основе нейронных сетей. Одна из разработок – алгоритм обнаружения признаков пневмонии по рентгеновским изображениям. Для обучения искусственного интеллекта в набор данных включили 28 тысяч снимков лёгких здоровых людей и пациентов с разными видами пневмонии. Специалисты ИТ-вуза адаптировали модель для новых задач и включили из открытых источников в набор данных алгоритма 94 рентгеновских изображения органов грудной полости инфицированных COVID-19 из открытого датасета на сайте Github, который пополняется каждый день.

Алгоритм и врач-рентгенолог независимо проанализировали снимки пациентов с коронавирусом. Оказалось, что предсказание модели о наличии или отсутствии патологии совпадает с описанием врача в 80% случаях. Кроме этого, алгоритм не ошибся в 13%, в которых врач не смог определить патологию. Ожидается, что в ближайшее время размеры датасетов рентгеновских изображений с коронавирусом существенно увеличатся. Это позволит значительно повысить точность алгоритмов.

По словам руководителя центра искусственного интеллекта Рамиля Кулеева, точность нейросети пока недостаточна для повместестного клинического внедрения, однако сам метод после доработки окажется полезным при массовых исследованиях легких. “Ежегодно в России проводится около 80 миллионов флюорографических исследований, а в день это около 220 тысяч снимков. Тестов на вирус гораздо меньше, и они требуют дополнительных ресурсов, поэтому массовый скрининг и анализ снимков органов грудной полости поможет выявлять заболевших коронавирусом среди населения”, – цитирует пресс-служба Кулеева.

Кроме того, по информации Кулеева, сервис может быть развернут в облаке, что позволит подключить к системе рентген-кабинеты труднодоступных и отдаленных поселений. Автоматический анализ данных повысит эффективность диагностики и снизит нагрузку на врачей-рентгенологов.

“Недостаток лабораторных тестов для COVID-19 – одна из главных проблем ранней диагностики заболевания для своевременного начала лечения пациента и минимизации его контактов с окружающими. Неделю назад журнал Radiology опубликовал исследование КТ-снимков пассажиров с корабля Diamond Princess. Более половины пассажиров, у которых еще не было симптомов заболевания, имели затемнения в легочных полях. Диагностический потенциал есть также у флюорографических исследований – более дешёвого, безопасного и распространённого инструмента для анализа органов грудной клетки”, – приводятся в сообщении слова ассистента-профессора университета Копенгагена и ведущего научного сотрудника университета Иннополис Булата Ибрагимова, который отметил, что анализ снимков не заменит использования лабораторных тестов, но может серьёзно помочь там, где доступ к тестам затруднён.

Последние данные о ситуации с COVID-19 в России и мире представлены на портале стопкоронавирус.рф.

Источник: ria.ru

Related posts

В Гонконге разработали тест на 40 респираторных заболеваний за час

admin

Ученые обнаружили в спектрах звезд редкоземельные элементы

admin

Специалисты назвали самый распространенный вид рака

admin

Оставить комментарий

Пожалуйста, авторизуйтесь чтобы добавить комментарий.
  Подписаться  
Уведомление о