Исследователи Университета Иннополис, Санкт-Петербургского государственного электротехнического университета «ЛЭТИ» и Джадавпурского университета разработали новый метод анализа гистопатологических изображений — цифровых снимков тканей, полученных с микроскопа. Предложенная модель выявляет рак молочной железы с минимальными вычислительными затратами. Подробностями с Let AI be поделилась пресс-служба Университета Иннополис.

При создании системы компьютерной диагностики для обнаружения рака молочной железы ученые предложили объединить две эффективные легковесные нейросети: SqueezeNet и ShuffleNet. Это позволило достичь высокой точности диагностики без использования тяжеловесных и энергозатратных моделей, характерных для современных систем искусственного интеллекта.

«Традиционные системы компьютерной диагностики, основанные на трансформерах и глубоких ансамблях, хотя и точны, требуют огромных вычислительных мощностей — применять такие в клиниках с ограниченными ресурсами сложно. Наша разработка решает эту проблему: она использует две компактные сверточные нейросети, которые работают в связке. Предложенный механизм взаимного гейтинга позволяет сетям обмениваться информацией, усиливая важные диагностические признаки и отсеивая шум, что обеспечивает высокую точность даже на сложных гистологических снимках. Это делает его идеальным, например, в региональных больницах или при работе на мобильных устройствах», — рассказал Дмитрий Каплун, ведущий программист-математик Исследовательского центра в сфере ИИ Университета Иннополис.

В ходе экспериментов на двух международных наборах гистопатологических изображений рака груди модель ученых показала 97% точность при нахождении нормальной и доброкачественной тканей, а также нулевой и агрессивной стадий рака. На том же наборе данных эксперименты выявили 99% точность определения наличия рака. А на эталонном наборе снимков при 100-кратном увеличении, то есть на самом популярном исследовательском тесте для гистопатологии, точность нового алгоритма достигла 99,72%.

Пример изучения нейросетью гистопатологических снимков рака груди: модель ученых дает более сфокусированные данные, то есть ИИ «смотрит» именно на патологические участки, а не на пустые или здоровые зоны.

Статистический анализ подтвердил, что улучшение показателей не случайно и алгоритм на гистопатологических изображениях фокусируется именно на тех участках тканей, которые важны для постановки диагноза.

По мнению авторов, предложенная структура может стать основой для надежных и точных ИИ-решений, которые помогут врачам быстрее и качественнее проводить диагностику рака молочной железы, особенно в тех регионах, где нет доступа к дорогостоящим вычислительным мощностями.

Результаты исследования опубликованы в научном журнале Scientific Reports. Статью «Взаимная кооперативная гейтинговая Fusion-структура SqueezeNet и ShuffleNetV2 для обнаружения рака молочной железы на гистопатологических изображениях» подготовил коллектив ученых: Александр Синица и Дмитрий Каплун (Университет Иннополис и ЛЭТИ), а также Бритика Кхати, Саян Мукерджи и Рам Саркар (Джадавпурский университет, Индия).

Изображения: diana.grytsku / Magnific; пресс-служба Университета Иннополис

Подписывайтесь на каналы Let AI be в Telegram и «ВКонтакте» — оставайтесь в курсе главных новостей в сфере искусственного интеллекта!