गहन शिक्षण एल्गोरिथ्म त्वचा कैंसर का निदान करता है जो एक योग्य त्वचा विशेषज्ञ से बदतर नहीं है

डीप लर्निंग एल्गोरिदम को पढ़ाने का एक आशाजनक तरीका है, जो बड़ी संख्या में क्षेत्रों (सूचना सुरक्षा, अनुसंधान परिणामों का विश्लेषण, छवि मान्यता) में शामिल है। छवि मान्यता के लिए, यह केवल इस तथ्य के बारे में नहीं है कि मशीन एक कुत्ते से एक बिल्ली को अलग कर सकती है, जैसा कि Google तंत्रिका नेटवर्क के साथ हुआ था । नहीं, एक समान तकनीक दवा में उपयोगी हो सकती है, विशेष रूप से, ऑन्कोलॉजी।

स्टैनफोर्ड के वैज्ञानिकों ने एक प्रणाली बनाईजो रोगी की त्वचा की तस्वीर का विश्लेषण करके निदान कर सकता है। हाल के परीक्षणों ने प्रभावशाली परिणाम दिखाए हैं: एल्गोरिथ्म को व्यापक अनुभव और गंभीर योग्यता के साथ त्वचा विशेषज्ञ के रूप में सटीक रूप से निदान किया जाता है। प्रौद्योगिकी की क्षमताओं की तुलना करने के लिए, परियोजना के लेखकों ने पेशेवर त्वचा विशेषज्ञ (निदान के सत्यापन के साथ) द्वारा विभिन्न लोगों की त्वचा के क्षेत्रों की छवि के द्वारा निदान करने के लिए कहा, और फिर इन छवियों को मशीन को दिखाया गया।

"हमने एक बहुत ही शक्तिशाली डीप लर्निंग एल्गोरिदम बनाया है जो डेटा का उपयोग करके सीख सकता है," अध्ययन के लेखकों में से एक आंद्रे एस्टेवा ने कहा। "हार्ड-कोडेड प्रोग्रामिंग के बजाय ऐसी प्रणाली, हम इसे स्वयं निर्णय लेने देते हैं।"

एल्गोरिथ्म को "गहन दृढ़ तंत्रिका नेटवर्क" कहा जाता है। इसकी क्षमताएं गूगल ब्रेन पर आधारित हैं ।, एक Google परियोजना जिसे मशीन सीखने की शक्ति का पता लगाने के लिए डिज़ाइन किया गया है। Google ब्रेन सिस्टम की कंप्यूटिंग शक्ति तृतीय-पक्ष डेवलपर्स को विभिन्न मशीन लर्निंग प्रोजेक्ट बनाने में सक्षम बनाती है। जब वैज्ञानिकों ने काम शुरू किया, तो तंत्रिका नेटवर्क छवियों में 1.28 मिलियन से अधिक वस्तुओं की पहचान कर सकता था, जिन्हें कई हजार विभिन्न श्रेणियों में विभाजित किया गया था। लेकिन शोधकर्ताओं का एक स्पष्ट लक्ष्य था - वे तंत्रिका नेटवर्क को सही ढंग से कार्सिनोमा और सेबोरहाइक केराटोसिस की पहचान करने के लिए प्रशिक्षित करना चाहते थे, और प्रभावित मानव त्वचा के क्षेत्रों के साथ छवियों के अनुसार इन दोनों रोगों को एक दूसरे से अलग करने के लिए प्रणाली को सिखाने के लिए भी।

इसके अलावा, कंप्यूटर को इन तत्वों को साधारण उम्र के धब्बे, चकत्ते और त्वचा की संरचना में अन्य संभावित परिवर्तनों से अलग करने की आवश्यकता है। बहुत सारे ज्ञान और अनुभव वाला एक डॉक्टर लगभग त्रुटियों के बिना ऐसा करने में सक्षम है। और वैज्ञानिकों ने तंत्रिका नेटवर्क से इस तरह के एक पेशेवर को "शिक्षित" करने का कार्य निर्धारित किया है।



समस्या यह भी थी कि विशेषज्ञों के पास पर्याप्त रूप से बड़ा नमूना नहीं थाप्रणाली के प्रशिक्षण के लिए चित्र। इसलिए, उन्हें अपने दम पर एक छवि डेटाबेस बनाना पड़ा। अध्ययन के लेखकों में से एक कहते हैं, "हमने इंटरनेट से तस्वीरें एकत्र कीं और डॉक्टरों से चित्र बनाने में मदद करने के लिए कहा।" लेखकों ने विदेशी साइटों से कुछ तस्वीरें लीं, इसलिए यह कभी-कभी यह समझना असंभव था कि विवरण में क्या लिखा गया था, क्योंकि साथ वाले ग्रंथ अरबी, जर्मन, लैटिन और अन्य भाषाओं में थे।



रोगी की त्वचा क्षेत्र की स्थिति का अध्ययन करने के लिए, त्वचा विशेषज्ञ अक्सर एक चिकित्सा उपकरण का उपयोग करते हैं जिसे डर्मेटोस्कोप कहा जाता है। यह एक निश्चित स्तर की वृद्धि देता है, ताकि डॉक्टर त्वचा को विस्तार से देख सकें। यह उपकरण लगभग एक ही "चित्र" प्रदान करता है, ताकि इस उपकरण के साथ त्वचा क्षेत्र की एक तस्वीर दुनिया के किसी भी देश के किसी भी त्वचा विशेषज्ञ के लिए समझ में आए। अध्ययन के प्रतिभागियों के लिए दुर्भाग्य से, इंटरनेट से सभी तस्वीरें एक डर्मेटोस्कोप का उपयोग करके नहीं ली गईं। शूटिंग कोण, रोशनी, वृद्धि की डिग्री - यह सब अलग था।

नतीजतन, वैज्ञानिकों ने 130,000 छवियों का विश्लेषण करते हुए 2,000 विभिन्न प्रकार के त्वचा रोगों की पहचान की। उन्होंने एक छवि पुस्तकालय के लिए एक डेटासेट बनाया, और फिर इन सभी तंत्रिका नेटवर्क को "खिलाया"। प्रत्येक छवि को एक अलग ब्लॉक, एक "पिक्सेल" में प्रस्तुत किया गया था, जिसमें बीमारी का संक्षिप्त विवरण था। तब एल्गोरिथ्म को एक ही बीमारी के विकास के चरणों को दिखाने के लिए "पूछा" गया था, जिसमें पहले से फोकल इज़ाफ़ा के पैटर्न की पहचान थी।


छवियों की विभिन्न श्रेणियों में एल्गोरिथ्म ने तस्वीरों के मूल डेटाबेस को तोड़ दिया

सब कुछ तैयार होने के बाद, परियोजना के लेखकों ने स्टैनफोर्ड मेडिकल स्कूल के दो दर्जन त्वचा विशेषज्ञों द्वारा किए गए रोगियों के त्वचा रोगों के निदान के ज्ञात परिणामों के साथ प्रणाली के साथ किए गए निदान के परिणामों की तुलना की। एल्गोरिथ्म का परीक्षण करने के लिए, वैज्ञानिकों ने पेशेवरों द्वारा बनाई गई केवल उच्च गुणवत्ता वाली छवियों का उपयोग किया। एल्गोरिथ्म और डॉक्टरों के लिए दोनों की नैदानिक ​​सटीकता 91% थी।

लेखक धीरे-धीरे अपना विकास करने की योजना बनाते हैं। विशेष रूप से, शोधकर्ता एक ऐसा ऐप्लीकेशन बनाना चाहते हैं जो उन समस्या वाले क्षेत्रों के साथ त्वचा क्षेत्रों की तस्वीरों के साथ सीधे काम करेगा जिन्हें रोगी स्वयं डाउनलोड करते हैं। यह, शोधकर्ताओं के अनुसार, बड़ी संख्या में रोगियों के लिए चिकित्सा सेवाओं तक पहुंच को सरल करेगा। और यहां स्मार्टफोन अमूल्य हो सकते हैं। "यूरेका का मेरा मुख्य बिंदु यह था कि जब मुझे एहसास हुआ कि सर्वव्यापी स्मार्टफोन कैसे होंगे," परियोजना के सर्जक में से एक का कहना है, एक विचार से काम करने की प्रक्रिया को काम करने वाली सेवा की प्रक्रिया का वर्णन करता है। “किसी भी व्यक्ति के पास अब एक शक्तिशाली कंप्यूटर है जिसमें बहुत सारे सेंसर हैं, जिसमें एक कैमरा भी शामिल है। क्या होगा यदि आप इसका उपयोग त्वचा कैंसर या अन्य प्रकार के रोगों की तस्वीरें लेने के लिए कर सकते हैं? "

किसी भी मामले में, शोधकर्ताओं को एल्गोरिथ्म को अंतिम रूप देने के लिए अपनी तकनीक को जनता तक पहुंचाने से पहले अधिक परीक्षण करने की आवश्यकता है। इस मामले में, यह जानना बेहद जरूरी है कि मशीन छवियों को कैसे वर्गीकृत करती है।

“चित्रों की कंप्यूटर-सहायता प्राप्त वर्गीकरण की संभावनाएं त्वचा विशेषज्ञों के लिए उत्कृष्ट सहायता हैं जो अधिक सटीक निदान कर सकती हैं। लंबे समय में, एल्गोरिथ्म के प्रदर्शन की पुष्टि करना आवश्यक है, अस्पतालों में इस अभ्यास को लागू करने से पहले ऐसा करना आवश्यक है, "स्टैनफोर्ड के त्वचाविज्ञान के एक प्रोफेसर सुसान स्वेट्टर ने कहा।

Source: https://habr.com/ru/post/hi400967/