Rambler's Top100
Реклама
 
Все новости Новости компаний

Петербургские ученые создали нейросеть для диагностики Covid-19

18 октября 2023

Исследователи петербургского Политеха  создали  нейросеть,  выявляющую  признаки  ковид-ассоциированной пневмонии на основе изображений компьютерной томографии. При создании нейросети исследователи задействовали технологии глубокого обучения, включая ResNet (сеть с остаточными соединениями), модуль внимания CBAM и новую сеть AdjCNet, специализирующуюся на анализе оттенков серого в соседних областях изображения. Для обучения нейросети ученые воспользовались набором срезов компьютерной томографии COVID-19, полученных в разных странах.

По данным ВОЗ, более полумиллиарда человек в мире переболели коронавирусной инфекцией. Опасное заболевание, отличающиеся высокой скоростью распространения, ставит перед медицинском сообществом вопрос о ранней диагностике и изолировании больного человека. В настоящее время полимеразная цепная реакция является стандартным диагностическим инструментом для пациентов с подозрением на коронавирусную инфекцию. Однако, как отмечается в ряде исследований, на выполнение анализа требуется время (4-6 часов на процедуру). Кроме того, возможны и ложноотрицательные результаты, особенно на ранних стадиях заболевания. Поэтому улучшение способов ранней диагностики продолжается.

Визуализация легких с помощью рентгена или компьютерной томограммы оказывается полезной как дополнение к ПЦР-тестированию, так и для исключения ассоциированной с ковидом пневмонии. Исследователи и медработники систематизировали широкий спектр патологоанатомических данных, которые идентифицируют пневмонию COVID-19 на изображениях. Интерпретация результатов рентгенографии или КТ-снимка требует внимания высококвалифицированных специалистов. Им на помощь пришли исследователи петербургского Политеха, создав нейросеть, выявляющую признаки ковид-ассоциированной пневмонии на основе изображений компьютерной томографии. Модель, основанная на сочетании ResNet, Convolutional Block Attention Module (CBAM), и новой сети AdjCNet, показала точность классификации 99,23%. Результаты работы опубликованы в научном журнале Biomedical Signal Processing and Control.

«Наша модель позволяет быстро и точно определить наличие COVID-19 или других видов пневмонии на КТ-снимках легких. Это может помочь врачам быстрее и точнее ставить диагнозы, что позволит снизить нагрузку на медицинский персонал. От аналогов наша программа отличается, прежде всего, улучшенной точностью интерпретации», - отметил один из разработчиков нейросети, инженер Научно-технологического комплекса "Математическое моделирование и интеллектуальные системы управления" Научного центра мирового уровня "Передовые цифровые технологии" СПбПУ Диб Али.

При создании нейросети исследователи задействовали технологии глубокого обучения, включая ResNet (сеть с остаточными соединениями), модуль внимания CBAM и новую сеть AdjCNet, специализирующуюся на анализе оттенков серого в соседних областях изображения. Для обучения нейросети ученые воспользовались набором срезов компьютерной томографии COVID-19, полученных в разных странах. Он содержит более 7500 снимков легких, пораженных ассоциированной с коронавирусом пневмонией, более 2500 снимков легких с внебольничной пневмонией и почти 7000 снимков здоровых легких.

Результаты четырехкратной перекрестной проверки новой нейросети доказали ее точности и эффективность. По словам исследователь, модель имеет большой потенциал для точной и быстрой диагностики COVID-19 с использованием изображений компьютерной томографии.

Источник: СПбПУ

Заметили неточность или опечатку в тексте? Выделите её мышкой и нажмите: Ctrl + Enter. Спасибо!

Оставить свой комментарий:

Для комментирования необходимо авторизоваться!

Комментарии по материалу

Данный материал еще не комментировался.

Продолжение использования сайта пользователем интерпретируется как согласие на обработку фрагментов персональных данных (таких, как cookies) для целей корректной работы сайта.

Согласен