МТУСИ: Метод глубокого обучения для сегментации капилляров глаза

Основные статьи:

• Зрение
• Большие данные (Big Data) в медицине
• Искусственный интеллект в медицине
• Нейросети (нейронные сети)
• Машинное обучение (Machine Learning)

2023: Разработка метода глубокого обучения для сегментации капилляров глаза

Учёные из МТУСИ разработали метод глубокого обучения, позволяющий сегментировать сосуды глаза. Данный метод значительно упростит работу специалистам в области диагностирования болезней на ранних этапах развития, так как кровеносные сосуды сетчатки глаза связаны со многими заболеваниями: сахарным диабетом, образованием тромбов (окклюзия сосудов), гипертонией, инсультом и другими. Об этом университет сообщил 15 ноября 2023 года.

Для использования методов машинного обучения и методов глубокого обучения была отобрана нейросетевая модель U-Net, способная улавливать максимальное количество закономерностей на больших массивах данных, которые, в свою очередь, достаточно быстро можно совместить с имеющимися данными под необходимую задачу. U-Net показывает хорошее качество благодаря реализации skipconnection, что позволяет сохранить часть пространственной информации при сжатии изображения энкодером. Все это способствует достичь лучших результатов при наименьших временных и ресурсных затратах.

Безусловно метод глубокого обучения с нейросетевым подходом U-Net для решения задачи сегментации капилляров глаза показывает отличные результаты при низком значении функции потерь. Данный метод можно использовать в качестве интеллектуального ассистента офтальмологов и различным другим медицинским работникам для дальнейшей классификации болезней, — рассказала научный руководитель разработки, к.ф.м.н., доцент кафедры «Теория вероятностей и прикладная математика» МТУСИ Ирина Синева.

По словам разработчика модели, студента 1 курса магистратуры МТУСИ Даниила Матвеева, для повышения показателей методов глубокого обучения ведутся работы с привлечением дополнительных специалистов, чтобы избавиться от неопределенности в данных и уточнения результатов. В идеале можно будет значительно улучшить качество обнаружения капилляров глаза, тем самым упростив работу специалистам.