Оформите подписку на печатную версию журнала Surdoinfo
*Бесплатная подписка и доставка для профильных специалистов
Отправляя данную форму, вы соглашаетесь передать свои данные.
Российские ученые использовали машинное обучение для диагностики ЛОР-заболеваний.
21/01/24
По данным, опубликованным на сайте Национальной медицинской ассоциации оториноларингологов, одними из самых распространенных ЛОР-заболеваний являются патологии верхнечелюстных пазух. Для успешного лечения требуется своевременная диагностика, но в настоящий момент стандартные методы обследований, такие как назальная эндоскопия и УЗИ, показывают недостаточную точность. Российские учёные использовали машинное обучение в цифровой диафаноскопии для получения более точных и простых методов скрининга ЛОР-заболеваний.
В цифровой диафаноскопии применяется низкоинтенсивное излучение видимого и ближнего инфракрасного диапазонов для просвечивания пазух и дальнейшей визуализации картины рассеивания света. После создаётся цифровое изображение, на основе которого возможно выявление и диагностика заболеваний.
В данном исследовании учёные использовали два подхода машинного обучения, а именно свёрточную нейронную сеть и линейный дискриминантный анализ.
По данным, опубликованным на сайте Национальной медицинской ассоциации оториноларингологов, одними из самых распространенных ЛОР-заболеваний являются патологии верхнечелюстных пазух. Для успешного лечения требуется своевременная диагностика, но в настоящий момент стандартные методы обследований, такие как назальная эндоскопия и УЗИ, показывают недостаточную точность. Российские учёные использовали машинное обучение в цифровой диафаноскопии для получения более точных и простых методов скрининга ЛОР-заболеваний.
В цифровой диафаноскопии применяется низкоинтенсивное излучение видимого и ближнего инфракрасного диапазонов для просвечивания пазух и дальнейшей визуализации картины рассеивания света. После создаётся цифровое изображение, на основе которого возможно выявление и диагностика заболеваний.
В данном исследовании учёные использовали два подхода машинного обучения, а именно свёрточную нейронную сеть и линейный дискриминантный анализ.
В исследовании принял участие 91 доброволец: 49 здоровых и 42 с различными заболеваниями верхнечелюстных пазух. В результате точность определения патологии составила 88%, а исключения диагноза — 98%. Эти показатели доказывают, что данный метод эффективнее стандартных подходов. Например, использование назальной эндоскопии может давать точность в диапазоне 21−69% и 66−80% соответственно.
В цифровой диафаноскопии применяются источники света низкой интенсивности, что делает метод полностью безопасным и безболезненным. А оборудование удобно в транспортировке и выгодно с экономической точки зрения. И хотя в настоящее время к диагностике с помощью инструментов искусственного интеллекта отношение остаётся скептическим, такие методы имеют большой потенциал. Учёные планируют применять новые механизмы машинного обучения для повышения точности и для получения более подробной информации о диагностических решениях.
В цифровой диафаноскопии применяются источники света низкой интенсивности, что делает метод полностью безопасным и безболезненным. А оборудование удобно в транспортировке и выгодно с экономической точки зрения. И хотя в настоящее время к диагностике с помощью инструментов искусственного интеллекта отношение остаётся скептическим, такие методы имеют большой потенциал. Учёные планируют применять новые механизмы машинного обучения для повышения точности и для получения более подробной информации о диагностических решениях.
Новости
Подпишитесь на нашу рассылку, чтобы быть в курсе последних новостей.
Нажимая на кнопку, вы даете согласие на обработку персональных данных и соглашаетесь c политикой конфиденциальности