Machine Learning для медицинских задач с большими данными

Сегодня перед командой «ЛАНИТ-ТЕРКОМ» стоит задача определения патологии по флюорографии. Нашим разработчикам предоставлены несколько тысяч обезличенных оцифрованных флюорографий. Часть из них помечена как флюорографии с патологиями.

Команда работает над решением, определяющим отклонения от нормы на флюорографии. Данная задача может быть решена при помощи метода глубокого обучения. На первом этапе планируется отфильтровывать отклонения от общего шаблона грудной клетки. Затем проанализировать сами отклонения. На основании этого можно будет предложить программное решение, которое существенно облегчит работу врачей, поскольку позволит отфильтровывать флюорографии здоровых пациентов и акцентировать внимание медицинских специалистов на случаях, имеющих явные отклонения.

Также решается аналогичная задача по разработке нового метода интеллектуального анализа данных УЗИ-мониторинга для автоматической диагностики цереброваскулярных болезней.

Проект имеет международный характер и реализуется при участии китайской стороны, представленной научной группой под руководством профессора Мингуе Динга.

Разработанные в рамках проекта методы интеллектуального анализа данных, помимо применения при решении задачи автоматизации диагностики по данным УЗИ-мониторинга, могут быть использованы в разнообразных областях. В случае успешной апробации, планируется реализация аппаратной платформы на базе FPGA.