ИИ обучили с точностью 90% определять без укола содержание лейкоцитов в крови | Новости науки
Ученые Исследовательского центра в сфере искусственного интеллекта Университета Иннополис и НТЦ биомедицинской фотоники ОГУ имени И. С. Тургенева разрабатывают неинвазивный метод определения лейкоцитов в крови с точностью 90%. Во время капилляроскопии исследователи применили ИИ-модель, обученную на синтетических видео с использованием компьютерного зрения. Об этом сообщает пресс-служба университета.
Анализ крови состоит из подсчета количества различных кровяных клеток, основные из них — красные эритроциты и белые лейкоциты. Например, снижение содержания эритроцитов в крови наблюдается при анемии, а повышение количества лейкоцитов может говорить об инфекционных заболеваниях и воспалениях.
Научные сотрудники Университета Иннополис и ОГУ имени И. С. Тургенева вместо реальных медицинских видео с микроциркуляцией крови провели эксперименты на синтетических видео — сгенерированных видеоизображений броуновского движения частиц, имитирующих красные и белые кровяные клетки. Затем ученые обработали эти видеоизображения с помощью искусственных нейронных сетей (моделей) для классификации образцов по высоким и низким концентрациям клеток.
«Известны медицинские технологии, которые позволяют наблюдать движущиеся кровяные клетки в капиллярах с помощью специального микроскопа, снабженного цифровой камерой, — капилляроскопия. У нашей команды появилась идея с помощью нейросетей по медицинским видеозаписям посчитать эти клетки и сопоставить полученные данные с результатами традиционного клинического анализа крови через шприц. Возможно, это поможет разработать новый способ анализа крови без взятия пробы. Преимуществом этого метода станет его оперативность — можно будет узнать состав крови в реальном времени, не тратя время на ожидание результатов исследования в лаборатории», — рассказал Данил Афончиков, студент ОГУ имени И. С. Тургенева.
По его словам, идея очевидная, но пока сложно реализуемая. На этом этапе тяжело добиться высокого качества видеоизображений микроциркуляции крови — при оптическом увеличении кадра снижается его качество и количество одновременно наблюдаемых клеток.
Чтобы максимально приблизить синтетические видео к реальным качество изображений снизили — это затруднило детектирование отдельных клеток из-за размытия их границ. Авторы научной работы предложили и реализовали метод по обработке «зашумленных» видеоданных. Сначала ученые обучили модели ИИ «по расписанию». По их словам, при этом способе обучающие данные ранжируются по качеству и обучение моделей происходит как обучение человека: поэтапно, от простого к сложному, от более качественных данных к менее качественным.
Исследователи и на стадии обучения моделей, и на стадии тестирования провели аугментацию — взяли случайно выбранные фрагменты изображения, которые позволили модели выдать несколько промежуточных предсказаний для каждого образца и выбрать результат, например, самый часто встречаемый среди промежуточных.
«В результате исследований мы научились определять более крупные белые кровяные клетки — лейкоциты — с точностью выше 90%. Предложенный метод c обучением по случайно выбранным фрагментам изображения повысил точность подсчёта кровяных клеток примерно на 10%. Эксперименты также показали, что обучение моделей по видео происходит быстрее, а предсказания точнее в сравнении с обучением на статичных изображениях. Конечно, наш метод дает информацию только о высоком или низком содержании эритроцитов и лейкоцитов в крови, однако и в такой формулировке он представляет практический интерес для медицины. Дальнейшие исследования планируем связать со сбором и обработкой реальных видеоизображений капилляроскопии», — отметил Алексей Корнаев, научный сотрудник Исследовательского центра в сфере искусственного интеллекта Университета Иннополис.
Подробное описание эксперимента опубликовано в сборнике научной конференции International Conference on Learning Representations (ICLR).
Между тем, студенты другого вуза, Московского физико-технического института (МФТИ), разработали новую технологию упрочнения полимерных материалов. В частности, эпоксидная смола, модифицированная изобретателями, стала пригодной для изготовления авиационных кресел.
«Самый распространенный композит — карбон, это каркас из углеволокна, связанный эпоксидной смолой. Именно здесь вступает в игру модифицированная эпоксидная смола — технология позволяет повысить прочность смолы, как следствие и всего карбонового композита, чтобы поднять его на уровень, приближающийся по прочности к алюминию, но дешевле, легче, проще в изготовлении и не требующий механической обработки», — отметили в пресс-службе МФТИ.