Искусственный интеллект сможет определять тип кожного образования лучше живых врачей
Сложности при диагностике рака кожи заключаются в том, что ранние проявления доброкачественных и злокачественных поражений кожи очень похожи. Точность диагностики могли бы повысить созданные на основе нейронных сетей автоматизированные системы распознавания изображений. Существуют методы предварительной цифровой обработки изображений, благодаря которым можно избавиться от помех на изображении, но у них есть недостатки, которые мешают точно распознавать новообразования.
Математики Северо-Кавказского федерального университета (СКФУ) предложили альтернативное решение, которое предполагает замену пикселей волосяных структур на пиксели кожи. При таком подходе удается сохранить диагностические признаки. После предварительной цифровой обработки изображения происходит распознавание и классификация пигментных поражений кожи с помощью специально обученных сверточных нейронных сетей. Для обучения последних использовались около 42 тысяч клинических дерматоскопических изображений из международного открытого архива ISIC Melanoma Project.
«Мы изучили аналоги и увидели, что все они не дают достаточно высокой точности распознавания заболеваний. Это происходит, главным образом, из-за наличия на изображении шумов, особенно в виде волос. Такие шумы создают окклюзию и могут кардинально изменить размер, форму, цвет и текстуру пигментного поражения кожи, тем самым снижая эффективность и качество результатов исследования. Чтобы решить эту проблему, мы предложили предварительно обрабатывать изображение. Это позволило повысить точность распознавания меланомы и других пигментных поражений кожи», — сказала руководитель проекта Ульяна Ляхова.
Новая нейросеть научилась распознавать десять категорий пигментных поражений кожи: от дерматофибромы, невуса, солнечного лентиго, разных видов кетароза до меланомы и других видов рака. Наибольшая точность распознавания пигментных поражений кожи была достигнута при помощи нейросетевой архитектуры AlexNet — она составила 80,81%. В то время как точность распознавания таких поражений специалистами составляет от 65 до 75%.
