Российскими специалистами разработана нейронная сеть, определяющая десять различных типов пигментных поражений по фотографии. Она делает это точнее, чем аналоги или онкологи при визуальной диагностике. Информацией об этом делится ТАСС, ссылаясь на пресс-службу Северо-Кавказского федерального университета (СКФУ).
“Мы изучили аналоги и увидели, что все они не дают достаточно высокой точности распознавания заболеваний. В основном это связано с наличием шума на изображении, особенно в виде волос. Такой шум создает окклюзию и может резко изменить размер, форму, цвет и текстуру пигментных поражений кожи, тем самым снижая эффективность и качество выводов. Для решения этой проблемы мы предложили предварительную обработку изображений. Это позволило повысить точность обнаружения меланомы и других пигментных поражений кожи”, — рассказывает Ульяна Ляхова, руководитель проекта.
Известно, что на ранних этапах развития кожных образований трудно отличить проявления доброкачественных и злокачественных поражений, так как они очень похожи. Автоматизированные системы распознавания изображений на основе нейронных сетей могли бы повысить точность диагностики.
Ученые СКФУ предложили заменить пиксели волосяных структур на пиксели кожи. При таком подходе удается сохранить диагностические признаки. После предварительной обработки цифровых изображений пигментные поражения кожи распознаются и классифицируются с помощью специально обученных сверточных нейронных сетей. Для обучения последних было использовано около 42 тысяч клинических дерматоскопических изображений из международного открытого архива ISIC Melanoma Project.
Новая нейронная сеть научилась распознавать десять категорий пигментных поражений кожи: от дерматофибромы, невуса, солнечного лентиго, различных видов кетароза до меланомы и других видов рака. Наибольшая точность распознавания пигментных поражений кожи была достигнута при использовании архитектуры нейронной сети AlexNet. Она составила 80,81%.
Результаты исследования опубликованы в журнале Computer Optics.
