Например, Бобцов

Исследование методов машинного обучения в задаче идентификации клеток крови

Аннотация:

Предмет исследования. Развитие области медицинской визуализации — важная задача при растущей потребности в автоматизированной, быстрой и эффективной диагностике. Традиционно количество клеток крови определяется с помощью гемоцитометра при использовании дополнительного лабораторного оборудования и химических соединений, но данный метод занимает много времени и является трудоемким. В работе исследовано применение методов машинного обучения к задаче идентификации и классификации клеток крови для увеличения скорости распознавания без ухудшения качества. Метод. Выполнен сравнительный анализ методов распознавания клеток крови на основе подходов искусственного интеллекта. Использованы методы: опорных векторов, алгоритма k-ближайших соседей, глубокого обучения (сверточная нейронная сеть) и нейронная сеть с прямым распространением. Основные результаты. Сравнительный анализ качества работы рассмотренных алгоритмов выполнен на наборе обучающих данных с более чем 3000 изображений образцов клеток. Показано, что программа реализации методов искусственного интеллекта обеспечивает время распознавания клеток в пределах 4–6 с при использовании офисного персонального компьютера. Данное время существенно меньше времени, затрачиваемого медицинскими работниками на одно исследование биоматериала. Практическая значимость. Полученные результаты дают возможность автоматизировать процесс исследования биоматериала и сократить время проведения и получения результата анализа клеток цельной крови (идентификация и подсчет). Также позволяют уменьшить влияние ошибок оператора на результат, разгрузить вычислительные ресурсы, тем самым увеличить эффективность цифровой медицины.

Ключевые слова:

Статьи в номере