Naukowcy używają uczenia maszynowego do opracowania narzędzia diagnostycznego COVID-19
Naukowcy z University of Maryland opracowali metodę generowania wysokiej jakości zdjęć rentgenowskich klatki piersiowej, która może być wykorzystana do dokładniejszej, niż pozwalają na to obecne metody, diagnozy COVID-19.
Lekarze zajmujący się pacjentami chorymi na COVID-19 w Rzymie. Zdjęcie ilustracyjne
Zespół badawczy pod kierownictwem Sumeet Menon, doktorantki w dziedzinie informatyki, opublikuje swoje wyniki w trakcie obrad konferencji IEEE Big Data 2020, która odbędzie się wirtualnie w grudniu.
Potrzeba szybkich i dokładnych badań COVID-19 jest wysoka, włączając takie, które mogą określić, czy COVID-19 oddziałuje na układ oddechowy pacjenta. Wielu lekarzy wykorzystuje technologię rentgenowską do klasyfikacji możliwych przypadków COVID-19, ale ograniczona ilość dostępnych danych sprawia, że dokładna klasyfikacja jest trudniejsza.
Zrozumieć COVID-19
Menon i jego współpracownicy opracowali swoje narzędzie jako rozszerzenie generatywnych sieci kontradyktoryjnych (generative adversarial networks – GAN), czyli frameworków uczenia maszynowego, które mogą szybko generować nowe dane na podstawie statystyki z zestawu szkoleń.
Zobacz też: Szczepionka na koronawirusa. Lekarka opowiada o szczepieniu w Anglii
Bardziej zaawansowana metoda zespołu wykorzystuje coś, co nazywa się "Mean Teacher + Transfer Generative Adversarial Networks' (MTT-GAN). Jak wyjaśnia Menon, MTT-GAN, są lepsze od GAN-ów, ponieważ generowane przez nie obrazy są znacznie podobniejsze do autentycznych obrazów generowanych przez urządzenia rentgenowskie.
– Dostępność danych jest jednym z najważniejszych aspektów uczenia maszynowego, a nasze badania wykonały krok teoretyczny w kierunku ich generowania za pomocą MTT-GAN – wyjaśniła Menon.
