Магистрантом МТУСИ Анваром Башировым под руководством заведующей кафедрой «Интеллектуальные системы в управлении и автоматизации» Лилии Вороновой была проанализирована соответствующая предметная область и предложено решение — сверточная нейронная сеть для классификации кожных проявлений аллергических заболеваний.
Нейросеть определяет аллергические заболевания по фото: как работает новый инструмент для врачей
Аллергия служит причиной заболеваний не менее 30% населения, испытывающего проблемы со здоровьем. При этом симптомы аллергии имеют хорошо выраженный визуальный эффект, что позволяет использовать для ее диагностирования анализ изображений с применением возможностей искусственного интеллекта.
Unsplash
Программные продукты для неинвазивной диагностики могут использоваться не только медицинскими сотрудниками, но и пациентами, что позволит проводить предварительную диагностику еще до посещения поликлиники.
ИИ для классификации аллергических реакций
Для реализации проекта использовались две архитектуры нейронных сетей – YOLO и VGG-16, причем детекция симптомов проводилась как для всего изображения, так и для определенного его участка. Обучение сети проводилось с использованием набора данных, содержащего 3 345 изображений, размеченных для 28 групп заболеваний. Данные собирались из публичных интернет-ресурсов.
Какие заболевания распознала нейросеть
Нейронная сеть на базе архитектуры VGG-16 была обучена для классификации кожных проявлений аллергических заболеваний по всему изображению, а сеть на базе архитектуры YOLO – для детекции и классификации участков изображения с признаками заболевания. Тестирование обеих моделей показало вполне удовлетворительные результаты. Так, нейронная сеть YOLO продемонстрировала наиболее высокие метрики качества на следующих заболеваниях:
- аквагенная крапивница (98%),
- аллергический конъюнктивит (95%),
- периоральный дерматит (100%).
Нейронная сетьVGG-16, в свою очередь, способна корректно распознавать некоторые заболевания, имеющие ярко выраженную симптоматику:
- аллергический конъюнктивит (свыше 90 %),
- варикозную экзему (79%),
- стригущий лишай (60 %).
Исследователями планируется дальнейшее применение нейронных сетей на базе архитектур VGG-16 и YOLO для диагностирования аллергических реакций, имеющих схожие визуальные признаки. Для более точной диагностики таких заболеваний, как крапивница или экзема, требуется использовать дополнительные признаки – например, информацию об обстоятельствах поражения кожи.