Ученые Южно-Уральского государственного университета разработали приложение для эффективного определения вероятности возникновения псориаза при помощи нейронных сетей. Исследование было представлено на международной конференции FarEastCon 2020 International Multi-Conference on Industrial Engineering and Modern Technologies.
Новее технология – точнее диагноз
Ученые кафедры системного программирования Высшей школы электроники и компьютерных наук под руководством кандидата технических наук, доцента Михаила Сухова работали над созданием программы, которая позволит точно диагностировать псориаз. Правильно диагностировать форму и тип этого заболевания трудно в связи с его схожестью со многими другими заболеваниями. Необходимо комплексное обследование и различные анализы. Только квалифицированный опытный дерматолог может поставить правильный диагноз и назначить лечение, чтобы достичь длительного периода ремиссии и избежать поражения внутренних органов.
«Определение псориаза по фотографии с помощью нейросетевого подхода позволит сократить вероятность ошибки дерматологов в определении типа заболевания, – говорит Михаил Сухов. – В современной науке и медицине тема применения нейронных сетей для определения наличия заболевания очень популярна. Такие системы имеют ряд преимуществ перед врачом-экспертом. Они объективны, устойчивы, выдают наиболее оптимальное решение, основанное на огромной базе знаний, которую сохраняют навсегда. В то же время такой подход полностью исключает человеческие факторы, ведь знания даже компетентного специалиста могут забываться или путаться».
В настоящее время псориаз – это одно из самых распространенных хронических рецидивирующих кожных заболеваний, которое поражает от 1 до 5% населения разных стран.
Работа над исследованием и его перспективы
Данные для обучения и тестирования нейронной сети собирались вручную с профильного сайта-атласа DermLine, предназначенного для врачей, а также студентов медицинских ВУЗов.
Для обучения нейронных сетей был выбран способ обучения с учителем. В роли учителя выступает сам алгоритм обучения. Обучение происходит на основе обучающей выборки, которая представляет собой набор данных из изображений двух типов: с наличием псориаза и без. На вход нейронной сети подается предобработанное изображение. На выходе выдаются результаты классификации и точность этого результата.
«Для реализации программной части системы использовался высокоуровневый язык Python 3.6.9. Работа выполнялась в среде Google Colaboratory – это облачная платформа для машинного обучения с бесплатным доступом к тензорным процессорам. Бесплатно предоставляется доступ к виртуальной машине с оперативной памятью RAM 12.72 Gb и ускорителю TeslaK80 с ограничением по памяти в размер 0,5 ГБ Gb. Для реализации приложения были использованы следующие библиотеки: TensorFlow 2.2.0, Keras 2.3.1, Matplotlib 3.2.1, NumPy 1.18.4», - поясняет Венера Мустафина.
Дальнейшие исследования в данной предметной области предполагают улучшение и пополнение базы данных, что позволит увеличить точность классификации изображений, сократит вероятность ошибки при наличии изображений с другими внешне похожими кожными заболеваниями.
Южно-Уральский государственный университет (ЮУрГУ) – это университет цифровых трансформаций, где ведутся инновационные исследования по большинству приоритетных направлений развития науки и техники. В соответствии со стратегией научно-технологического развития РФ университет сфокусирован на развитии крупных научных междисциплинарных проектов в области цифровой индустрии, материаловедения и экологии. В Год науки и технологий ЮУрГУ примет участие в конкурсе по программе «Приоритет–2030». Вуз выполняет функции регионального проектного офиса Уральского межрегионального научно-образовательного центра мирового уровня (УМНОЦ).
Читайте нас: