Может помочь в обнаружении рака новый способ использования искусственного интеллекта

Новый способ использования искусственного интеллекта может помочь в обнаружении рака

Конечно, алгоритмы, которые создают различные фальшивые подделки фотографий, это не очень хорошо. Но их способность синтезировать высоко реалистичные изображения также может иметь важные преимущества для медицинской диагностики.

О технологии

Технологии глубокого обучения превосходны в сопоставлении с образцом на изображениях, их можно обучить распознавать различные виды рака при компьютерной томографии, обнаруживать проблемные участки в ходе МРТ и выявлять проблемы при рентгеновских снимках.

Но из-за проблем с конфиденциальностью исследователям часто не хватает данных для обучения. Вот где приходят GAN - они могут синтезировать больше медицинских изображений, которые неотличимы от реальных, эффективно умножая набор данных до необходимого количества.

Однако есть еще одна проблема. Алгоритмы глубокого обучения должны тренироваться на изображениях с высоким разрешением для получения наилучших результатов, однако синтез таких изображений с высоким разрешением, особенно в 3D, требует больших вычислительных мощностей. Это означает, что для этого требуется специальное и дорогое оборудование, что делает его масштабное использование непрактичным в больницах.

Польза инновации

Поэтому исследователи из Института медицинской информатики в Любекском университете предложили новый подход, чтобы сделать процесс намного менее интенсивным. Они разбили его на этапы GAN сначала генерирует все изображение в низком разрешении, а затем генерирует детали с правильным разрешением по одному небольшому фрагменту за раз.

В ходе экспериментов исследователи не только продемонстрировали, что их метод генерирует реалистичные 2D и 3D изображения с высоким разрешением при низких вычислительных ресурсах, но и то, что расходы также остаются постоянными независимо от размера изображения.

Автор статьи: Виктор Булавин