По «зеркальному» проекту

справка Проект «Зеркальная лаборатория» нацелен на проведение совместных научных исследований при поддержке НИУ ВШЭ и регионального университета-партнера, представляющих взаимный интерес для обеих сторон. Цели конкурса – повышение эффективности сотрудничества в исследовательской и образовательной сферах; оказание поддержки совместным научным проектам Описание венозной системы с помощью математического моделирования и методов искусственного интеллекта – вот стратегическая цель, которую ставит перед собой исследовательская группа. Для ее достижения участникам проекта необходимо создать математическую модель с теоретическим обоснованием нарушения венозного оттока из нижних конечностей. Именно искусственный интеллект и симбиоз методов из различных областей прикладной математики и медицинских наук позволит решить эту сложнейшую задачу. Интеграция компетенций исследователей, взаимодействие со специалистами–флебологами, использование существующего опыта лечения соответствующих патологий кровеносной системы и накопленного экспериментального материала позволят добиться прорыва не только в теории, но и в медицинской практике. Руководит проектом профессор Департамента анализа данных и искусственного интеллекта, старший научный сотрудник Международной лаборатории интеллектуальных систем и структурного анализа НИУ ВШЭ Василий Громов. В проектной группе – доктора и профессора медицины, врачи самых разных направлений, инженеры, программисты нескольких вузов страны – Процесс обучения нейронных сетей является достаточно сложным, ввиду чего его результат может быть менее эффективным, чем у других методов компьютерной диагностики, – говорит старший преподаватель кафедры АСОИУ СурГУ Нелли Урманцева. – В качестве данных для обучения и тестирования нейронной сети используются фотографии нижних конечностей пациентов, которым были приведены в соответствие различные классы заболеваний венозной системы. Сбор материалов для обучения и тестирования осуществлен с помощью сайта для врачей–флебологов. Он позволяет собирать и хранить данные о пациентах и их диагнозах, а затем использовать эту информацию для дообучения нейронной сети. Набор данных насчитывает более 10 тысяч изображений разной степени качества, ракурсов и углов поворота, что позволяет более точно классифицировать венозную недостаточность. Нейронная сеть создана с помощью библиотеки для машинного обучения и нацелена на оперативную работу с сетями глубокого обучения.

Автор текста: Дарья Вейраух Автор фото: Александр Онопа