19.06.2026 16:02
Новгородский студент обучил ИИ находить признаки деменции на снимках мозга Студент Политехнического института Новгородского государственного университ…
Новгородский студент обучил ИИ находить признаки деменции на снимках мозга
Студент Политехнического института Новгородского государственного университета Егор Фекличев обучил нейросеть находить признаки деменции на снимках мозга, сообщили в вузе.
Для создания прототипа проводилось сравнительное тестирование трех нейросетей, способных распознавать изображения. Для обучения использовались материалы проекта OASIS, содержащие данные томографии мозга как здоровых, так и больных людей с разными степенями тяжести.
После анализа снимков программа относила пациентов к одному из классов когнитивного состояния. В основе разметки использовалась шкала CDR: значение 0 говорит об отсутствии признаков деменции, промежуточные значения указывают на сомнительное или легкое когнитивное снижение, а более высокие значения соответствуют выраженной стадии заболевания.
Искусственный интеллект не просто «запоминает» снимки, а учится находить в них закономерности, связанные с клинической оценкой состояния пациента. В результате сравнения трех моделей наибольшую эффективность в правильности анализа показала модель EfficientNet — она дала 79% правильных ответов. Как подчеркнул автор разработки, дальнейшая работа будет направлена на увеличение данных для обучения и повышение эффективности прототипа модели.
Фото: ФГБОУ ВО "Новгородский государственный университет имени Ярослава Мудрого"
сделановроссии
Студент Политехнического института Новгородского государственного университета Егор Фекличев обучил нейросеть находить признаки деменции на снимках мозга, сообщили в вузе.
Для создания прототипа проводилось сравнительное тестирование трех нейросетей, способных распознавать изображения. Для обучения использовались материалы проекта OASIS, содержащие данные томографии мозга как здоровых, так и больных людей с разными степенями тяжести.
После анализа снимков программа относила пациентов к одному из классов когнитивного состояния. В основе разметки использовалась шкала CDR: значение 0 говорит об отсутствии признаков деменции, промежуточные значения указывают на сомнительное или легкое когнитивное снижение, а более высокие значения соответствуют выраженной стадии заболевания.
Искусственный интеллект не просто «запоминает» снимки, а учится находить в них закономерности, связанные с клинической оценкой состояния пациента. В результате сравнения трех моделей наибольшую эффективность в правильности анализа показала модель EfficientNet — она дала 79% правильных ответов. Как подчеркнул автор разработки, дальнейшая работа будет направлена на увеличение данных для обучения и повышение эффективности прототипа модели.
Фото: ФГБОУ ВО "Новгородский государственный университет имени Ярослава Мудрого"
сделановроссии