По данным специалистов, аллергия служит причиной заболеваний не менее 30% населения, испытывающих проблемы со здоровьем. При этом симптомы аллергии имеют хорошо выраженный визуальный эффект, что позволяет использовать для ее диагностирования анализ изображений с применением возможностей искусственного интеллекта. Кроме того, программные продукты для неинвазивной диагностики могут использоваться самими пациентами, что позволит проводить предварительную диагностику ещё до посещения медицинского учреждения.
В МТУСИ магистрант кафедры «Интеллектуальные системы в управлении и автоматизации», Баширов А.Н, провел исследование эффективности применения свёрточной нейронной сети для классификации кожных проявлений аллергических заболеваний.
Для реализации проекта использовалась две архитектуры нейронных сетей – YOLO и VGG-16, причем детекция симптомов проводилась как для всего изображения, так и для определенному его участка. Обучение сети проводилось с использованием набора данных, содержащего 3345 изображений, размеченных для 28 групп заболеваний. Данные собирались из специализированных публичных Интернет-ресурсов.
Нейронная сеть на базе архитектуры VGG-16 была обучена для классификации кожных проявлений аллергических заболеваний по всему изображению, а сеть на базе архитектуры YOLO – для детекции и классификации участков изображения с признаками заболевания. Тестирование обеих моделей показало вполне удовлетворительные результаты. Так, нейронная сеть YOLO продемонстрировала наиболее высокие метрики качества на следующих заболеваниях: аквагенная крапивница (98%), аллергический конъюнктивит (95%), периоральный дерматит (100%). Нейронная сеть VGG-16, в свою очередь, способна корректно распознавать некоторые заболевания, имеющие ярко выраженную симптоматику, например аллергический конъюнктивит (свыше 90 %), варикозную экзему (79%), стригущий лишай (60 %).
«Применение методов машинного обучения для диагностирования аллергических заболеваний может стать интересным дополнением для инструментария врачей-практиков. Мы обязательно продолжим исследования как для других видов заболеваний, так и для других параметров обучающих наборов», рассказала Лилия Ивановна Воронова, доктор физико-математических наук, профессор, заведующая кафедрой «Интеллектуальные системы в управлении и автоматизации» МТУСИ.
Исследователями планируется дальнейшее применение нейронных сетей на базе архитектур VGG-16 и YOLO для диагностирования аллергических заболеваний, имеющие схожие визуальные признаки. Для более точной диагностики таких заболеваний как крапивница и экзема, требуется использовать дополнительные признаки – например информацию об обстоятельствах поражения кожи.