Учёные МГУ создали систему Screener для поиска патологий на неразмеченных снимках

Специалисты Центра искусственного интеллекта МГУ разработали метод выявления патологий на снимках компьютерной томографии, который не требует разметки обучающих изображений.

Об этом сообщили в пресс-службе вуза. Современные системы анализа медицинских изображений обычно обучаются на размеченных наборах данных, где заранее указано, какие патологии должна находить модель. Однако такие данные ограничены: в большинстве наборов размечены лишь отдельные заболевания, а другие патологии остаются без аннотаций. Это мешает созданию систем, способных работать с широким спектром заболеваний.

Учёные предложили рассматривать поиск патологий как задачу обнаружения аномалий, основанную на предположении, что патологии встречаются реже нормальных структур. Модель учится определять участки снимка, которые статистически отличаются от нормы. Разработанная система Screener использует методы самообучения и была обучена на более чем 30 тысячах неразмеченных КТ-исследований. Метод протестировали на четырёх наборах данных с признаками рака лёгких, пневмонии, опухолей печени и почек — он показал более высокую точность, чем существующие аналоги, сообщает ТАСС.

По мнению разработчиков, предложенный метод может стать инструментом предварительного анализа медицинских изображений и помочь в создании более универсальных диагностических систем ИИ.