Новый метод обработки медицинских снимков для диагностики туберкулеза предложили в МГУ
Представители НОШ «Мозг, когнитивные системы, искуственный интеллект» разработали метод увеличения данных для обучения нейросетей, позволяющий повысить точность диагностики туберкулеза по рентгеновским снимкам. Результаты опубликованы в сборнике ISPRS International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences.
Туберкулез остается одной из главных инфекций в мире, ежегодно унося более миллиона жизней. Несмотря на успехи медицины, ранняя диагностика по-прежнему затруднена, особенно в регионах, где не хватает квалифицированных рентгенологов. Современные алгоритмы машинного обучения могут помогать врачам в распознавании болезни по снимкам грудной клетки, однако их качество сильно зависит от объема и качества данных для обучения.
Коллектив студентов и сотрудников МГУ – Сенотова Ю.Д., к.ф.-м.н. Пчелинцев Я.А. и проф. Крылов А.С., предложил использовать алгоритм Fast and Adaptive Bidimensional Empirical Mode Decomposition (FABEMD) для «увеличения данных» — создания новых вариантов рентгеновских изображений путем адаптивного удаления фоновых структур. Этот метод позволяет получить дополнительные снимки, сохраняющие диагностически важные особенности, но разнообразные по структуре, что повышает устойчивость и точность работы нейросетей.