Редакция сайта ТАСС
БЕЛГОРОД, 7 октября. /ТАСС/. Ученые Белгородского государственного национального исследовательского университета создали систему, автоматически распознающую различные типы лейкоцитов на микроскопических снимках меньше чем за секунду с точностью 93%. Разработка поможет значительно повысить точность и интерпретируемость результатов анализов, сообщили ТАСС в пресс-службе Минобрнауки РФ.
"Ученым НИУ "БелГУ" удалось объединить преимущества экспертных правил и нейросетей. Новая программа обрабатывает каждый снимок двумя этими методами, после чего комбинирует результаты. Если оба метода приходят к одинаковому результату, он и будет считаться окончательным. При возникновении противоречия итог автоматического анализа отправляется на дополнительную проверку специалисту, который сможет вручную указать правильный тип клетки", - рассказали в пресс-службе.
Существующие методы автоматизации подобных процессов дорогие и недостаточно универсальные
Как отметили в пресс-службе, первая часть новой программы по заданным правилам определяет вид лейкоцита, изображенного на фотографии, по форме клетки, ее цвету, структуре поверхности и статистике распределения цветов и форм внутри нее. Во второй части программы применяется нейросеть глубокого обучения, которая самостоятельно находит кровяные клетки на изображениях и определяет их принадлежность к одному из пяти классов: нейтрофилы, лимфоциты, моноциты, эозинофилы и базофилы.
"Для медицинской диагностики важны разработки математических моделей и гибридных методов, объединяющих преимущества нейронных сетей, интерпретируемых нечетких моделей и байесовского подхода. С практической точки зрения они обеспечивают высокую точность, прозрачность и удобство экспертного анализа, а также возможность корректировки автоматически принимаемых решений", - отметил руководитель проекта, доцент кафедры математического и программного обеспечения информационных систем БелГУ Владимир Михелев.
Ученые подтвердили эффективность разработанного гибридного метода классификации лейкоцитов на медицинских данных. В дальнейшем они планируют повысить адаптивность и точность квалификации разработки.
Комментарии