В процессе приобретения какого-либо навыка существует два фундаментальных аспекта — теория и практика. Они тесно связаны, а отсутствие одного из них может привести к печальным последствиям. Особенно ярко это проявляется в медицине. Можно прочитать сотни книг, описывающих строение тела человека, но во время реальной операции растеряться и совершить ошибку. Либо можно учиться на практике, не уделяя внимание теории, и тем самым навредить массе подопытных пациентов. Обучение является важным процессом не только для человека, но и для машины, особенно глубокое обучение. Но этот процесс требует большого количества вводных данных, которые система смогла бы проанализировать и использовать как базу знаний. И тут возникает проблема — для глубокого обучения системы в рамках медицины необходимы данные реальных пациентов, которые являются конфиденциальной информацией во многих странах. Получается, что такой системе не на чем учиться. И тут ученые из университета Йювяскюля (Финляндия) предложили использовать технологию deepfake, с помощью которой они создали огромную базу МРТ снимков колена человека. Полученные снимки не только помогают глубокому обучению, но и оказались достаточно убедительными, что обманули ряд профессиональных медиков. Как создавался deepfake костей и насколько он все же реалистичен? Ответы на эти вопросы мы найдем в докладе ученых. Читать дальше →

https://habr.com/ru/post/702492/?utm_source=habrahabr&utm_medium=rss&utm_campaign=702492

Искусственный интеллект все чаще используется в медицинских целях, в частности для анализа медицинских изображений. Процесс создания качественной и эффективной нейросети долгий и дорогой. Более того, данных для обучения зачастую недостаточно.

Именно по этим причинам мы решили исследовать различные подходы, которые могли бы помочь сократить число необходимых аннотированных данных для получения модели того же качества. Это может позволить не только сократить время и расходы на аннотацию, но и ускорить цикл поставки новых моделей.

В результате нашего исследования, мы нашли лучший подход, который помог сохранить точность работы алгоритма при использовании лишь 20% разметки.
Магия - нет, расскажем подробнее…

https://habr.com/ru/post/670342/?utm_source=habrahabr&utm_medium=rss&utm_campaign=670342