Исследователи Центра искусственного интеллекта МГУ предложили свой метод анализа гистологических изображений.
По словам ученых, новый метод предполагает анализ на основе графовых нейросетей и механизма псевдоразметки, передает журнал «Machine Learning and Knowledge Extraction».
Также сообщается, что данный подход позволяет повысить точность классификации типов тканей при ограниченном объеме размеченных данных. В приоритете также может снизиться зависимость от ручной разметки.
Анализ гистологических изображений играет одну из самых главных ролей в современной медицинской диагностике.
Изображения представляют из себя крупные цифровые срезы тканей, которые содержат большое количество визуальной информации. Их интерпретация требует высокой квалификации специалистов и значительных временных затрат.
При этом в новой работе предложили подход, который сочетает в себе использование графовых нейросетей и механизма псевдоразметки.
Последняя в данном подходе используется для организации механизма внимания между участками изображения. Сначала нейросеть оценивает принадлежность патчей к классам и использует эти оценки для нахождения связи между сходными областями.
В свою очередь графовая нейросетевая модель рассматривает изображение как набор взаимосвязанных областей и учитывает структуру связей между ними. Это более точно описывает пространственную организацию ткани.
«Мы стремились разработать метод, который позволит более эффективно использовать имеющийся ограниченный объем. Псевдоразметка в сочетании с графовым представлением и механизмом внимания помогает учитывать структуру изображения и улучшать качество предсказаний», — рассказали специалисты в МГУ.
До этого сотрудники химического факультета МГУ разработали уникальный метод определения качества виски. Специалисты назвали способ «флуорисцентным языком».
