Digital T힌크 T앙 (DTT)

인공 지능은 조산 예방에 어떻게 도움이 될까요?

세계 보건기구 (WHO)의 보고서에 따르면 매년 15 만 명의 신생아가 자연 조산의 영향을받습니다. 백만 명까지 죽습니다. 많은 사람들이 평생 장애에 직면하고 있습니다. 초음파 이미지 가능한 문제를 감지 할 수 있지만 완벽한 방법은 아닙니다. 이 문제는 의사가 인식합니다. 2017 년에 Nicole Sochacki-Wójcicka (부인과 전문)와 Jakub Wójcicki는 Dr. 전자 및 정보 기술 학부의 Tomasz Trzciński 바르샤바 공과 대학교 (WUT) 더 자연스럽게 예측하는 프로젝트를 시작할 수 있는지 물었습니다. 조산 사용 신경망 알아 차리고. 그런 다음 연구 팀이 구성되고 작업이 시작되었습니다. 첫 번째 효과는 이미 알려져 있습니다. 우리의 솔루션은 컴퓨터 진단을 지원하고 자연 조산에 대한보다 정확한 예측을 가능하게 할 수 있다고 바르샤바 공과 대학을 졸업하고이 프로젝트에 참여한 팀원 중 한 명인 Szymon Płotka는 설명합니다.

이미지 출처 : Pixabay

신경망 훈련


프로젝트를 시작하기 전에 우리와 함께 일하는 의사들은 자궁 경부 모양의 윤곽선 형태로 학습 데이터, 유효성 검사 데이터 및 주석 세트를 준비했습니다. 초음파 및 수치 이미지 (0 및 1), 이는 용어 출생, 조산에 해당합니다. "Szymon Płotka는 설명합니다.


사전 청소 후 이러한 데이터는 "학습"데이터로 사용됩니다. 신경망 -이 경우 컨볼 루션 메시 ()-사용됨.
각 이미지를 픽셀 단위로 분석하고 이미지의 흥미로운 부분 (이 경우 자궁 경부)을 분할하고 분류 (조기 진통 여부에 관계없이) 작업에 사용되는 필수 특징을 추출합니다. Szymon Płotka는 설명합니다. 일단 신경망 훈련 된 경우 훈련 중에 사용되지 않은 테스트 데이터에 대해 테스트됩니다. 학습 된 모델의 유효성을 확인합니다.


이 프로젝트로 두 개의 과학 출판물이 나왔습니다.


의 결과 "U-Net 분할 네트워크를 통한 조산 마커 추정 " 설명 된 작업은 무엇보다도 신경망을 사용하여 자연 조산을 30 % (의사가 수동으로)에서 18 %로 예측하는 오류를 줄이는 것입니다. "컨볼 루션 신경망을 사용한 자발적 조산 예측"에서 연구자들은 첫 번째 출판물에 비해 분할 품질이 향상되었으며 더 나은 분류 결과를 얻었습니다. 우리가 아는 한, 이것은 경질 초음파 이미지를 기반으로 자연 조산을 예측하는 작업을 다루는 유일한 기존 작업입니다-Szymon Płotka는 말합니다.

과학자들은 현재 웹 애플리케이션 형태의 서비스를 개발하고 있습니다. 준비된 신경망 모델을 거기에서 사용할 수 있도록하고 싶습니다. 산부인과 전문의가 초음파 이미지 도움과 그래서 자발적인 진단 조산 지원하다. 그리고 그것은 수백만 신생아의 생명과 건강을 구할 수 있습니다.