Новости Зеленограда, инфопортал Зеленоград ИНФО
Среда, 12 Мая, 2021 год
Главная » Наука » В Мире » В Белгороде обучили нейросеть для выявления коронавируса по рентгеновским снимкам

В Белгороде обучили нейросеть для выявления коронавируса по рентгеновским снимкам

Она может оперативно обнаружить признаки заболевания путем автоматической классификации медицинских изображений

Читайте ТАСС вЯндекс.НовостиЯндекс.Дзен…Показать скрытые ссылкиGoogle Новости

ТАСС, 18 апреля. Ученые Белгородского государственного национального исследовательского университета (НИУ "БелГУ") для борьбы с распространением коронавируса разработали и обучили нейросеть, позволяющую оптимизировать анализ и ускорить обработку рентгеновских снимков. Об этом ТАСС в воскресенье сообщили в пресс-службе вуза.

"В качестве основного метода выявления пациентов с COVID-19 медики используют рентгенографию грудной клетки. Чтобы оптимизировать и ускорить процесс обработки и анализа получаемых снимков, ученые НИУ "БелГУ" разработали и обучили сверхточную нейронную сеть. Нейросеть может оперативно обнаружить признаки заболевания путем автоматической классификации медицинских изображений", – сказали в пресс-службе.

Нейросеть уже прошла испытания, показавшие высокую эффективность в выявлении пациентов с коронавирусом при помощи медицинских изображений. Как отметил доцент кафедры математического и программного обеспечения информационных систем вуза Владимир Михелев, точность метода классификации таких изображений при использовании предобученной нейросетевой модели достигает 94,17%.

"Для обучения нейросети разработчики использовали так называемый трансферный подход, состоящий из трех этапов и предполагающий обучение модели на одном наборе данных и ее последующее приспособление к другому набору данных", – добавили в пресс-службе.

Источник

Оставить комментарий

Ваш email нигде не будет показанОбязательные для заполнения поля помечены *

*

© 2021 Зеленоград ИНФО – ещё ближе к городу. Все права защищены.

15:1612 Мая
 Ср, 2021
Яндекс.Метрика Рейтинг@Mail.ru
WordPress: 60,42MB | MySQL:76 | 0,782sec