Очередная попытка использования искусственного интеллекта на практике увенчалась успехом. Петербургские учёные создали нейросеть для диагностики Covid-19 по компьютерной томограмме с очень высокой точностью. Она принимает на входе чёрно-белую картинку и по ней классифицирует лёгкие по наличию или отсутствию болезни.
Нейронную сеть для диагностики ассоциированной с коронавирусом Covid-19 пневмонии создали в Санкт-Петербургском политехническом университете (СПбПУ).
Сейчас для определения коронавируса используется полимеразная цепная реакция (ПЦР). Но на неё требуется 4-6 часов, что достаточно долго. Кроме того, возможны ложноотрицательные результаты, особенно на ранних стадиях. Визуализация лёгких с помощью рентгена или компьютерной томограммы (КТ) оказывается довольно полезным дополнением к ПЦР-тестам.
Это сильно экономит время врачей и уменьшает вероятность медицинской ошибки. Модель основанная на ResNet (сеть с остаточными соединениями), Convolutional Block Attention Module (CBAM) и новой сети AdjCNet (она специализируется на анализе оттенков серого в смежных участках изображения) показала точность классификации 99,23%. Об этом исследовании сообщил журнал Biomedical Signal Processing and Control.
Аналогичные системы уже существуют, однако, по заявлению научных работников, их точность заметно ниже. Об этом рассказал Дим Али (Инженер Научно-технологического комплекса “Математическое моделирование и интеллектуальные системы управления” центра “Передовые цифровые технологии” СПбПУ).
При создании нейронной сети научные работники применили технологии глубокого обучения. Были использованы 7500 снимков лёгких, поражённых ассоциированной с Covid-19 пневмонией. Это достаточно большое значение. Кроме того, обучение было произведено и на 2500 фотографиях лёгких с внебольничной пневмонией. Также использовались 7000 фотографий здоровых людей.
