“天狼星”的高中生教神經標註在肺部發現病理

Anonim

“大挑戰-2020”如此常見地稱為在Sirius教育中心的12月下半年舉行的項目之一。在這個科技項目計劃的過程中,高中生培訓了人工智能。伙計們要把這輛車教給下一個智慧:

  1. 寫新聞。
  2. 開發新藥。
  3. 分析CT的圖片。
  4. 在社交網絡中的申請人課程概況。

學童幫助專家了解史諾波爾大學,yandex,高等管理學院的Spbsu,VTB銀行,生物德。計劃在實踐中實施最佳優惠。

Andrei Rasjorgorodsky是“大數據”主任,Fiztech-Applied Mitti of Mfti的信息學董事主任,指定了會議持續了10天。在此期間,這些人已經學會了與各種數字技術工具一起工作,現在將能夠在家中使用他們的技能。

該項目規定了單獨的方向“大數據,人工智能,金融技術和機器學習”。從18家俄羅斯的第十一年級學生被邀請參加它。這些傢伙成為全俄羅斯設計和研究工作競爭的決賽選手。

“天狼星”的高中生教神經標註在肺部發現病理 8616_1

對於參與者在這個方向上,Yandex已經形成了特殊訂單:制定一個節目來生成新聞,因此現代版可以在日常工作中使用。 VTB銀行和聖彼得堡州立大學也給了Sirius學童的任務。這些傢伙必須分析社交網絡,並根據收到的信息,以製作商業學校申請人的肖像。

科學家們困惑的學童與復雜的願望:伙計們應該教人工智能,以準確地預測計算機在創造新藥物時模擬分子復合物的結構。這輛車必須找到最可信的組合和那些真正存在的組合。必須預測新方法的準備如何有效創建。高中生的建議應該用於BIOCAD的對沖算法。

基於人工智能的數字技術已經積極應用於世界許多國家的醫學行業。這是通過冠狀病毒大流行的開始促進的。遠程醫療技術表明,自動化許多流程的優勢,幫助卸載診所和醫生反復增加負載,設法為患者提供高質量的遠程醫療。

在SIRIUS“大挑戰-2020”科技項目的框架內,參加該計劃的學生從俄羅斯的租金學家獲得了一項艱鉅的任務。要求醫生教導人工智能使用計算機視覺分析醫學圖像,並在肺部快速準確地發現病理學。神經插孔的幫助和提示有助於放射科醫師的操作,減少處理圖片的時間。

對於這種多種和復雜的問題,作為接收醫學圖像,深度學習需要大型數據集來實現所需的準確度。人工智能的建議通常非常準確。該工作的結果將上傳到開源庫,訪問所有國家的專家將被發現。如果發展質量將安排用戶,可以在實踐中進行測試和應用學童解決方案。對學童的合作夥伴援助由史諾大學大學人工智能中心提供。

該項目團隊聘請了來自Khanty-Mansiysk自主Okrug,Sevastopol,Khabarovsk領土,巴拉貝羅斯坦共和國,秋彭和克麥羅沃和地區的六年級11年級。他們由Innopolis中心的專家提供幫助。

“天狼星”的高中生教神經標註在肺部發現病理 8616_2

Innopolis大學的人工智能中心研究員的Semen Kiselev表示,這是一個指導項目,表示開發商用機器學習和計算機願景介紹兒童。數學,編程和機器學習方法的普及將使您改變對需要這種變化的許多人的開放機會的態度。該項目將鼓勵小學生在研究社會的數字轉型前景方面變得更加積極,讓他們說服他們可以帶來更有趣和智力全面的生活。與神經網絡合作的經驗導致了未來職業的選擇,讓您觸摸自由氛圍中的活動,為自己帶來信心,並將為未來提供兒童和青少年所需的能力。

這些人展示了他們可以在哪個領域應用所獲得的知識。參與者創建這些模型和算法,用於分析肺的快照,在其中旨在識別肺炎和其他呼吸系統,氣胸或腫瘤的自我進展。深度學習模型可以使預測具有幾乎明顯的精度,然而,由於模型的內部邏輯難以揭示和解釋,所以有利於為什麼這一決定是正確的,通常保持不變。

“天狼星”的高中生教神經標註在肺部發現病理 8616_3

由於醫學決策可能具有令人難以置信的重量,許多人批判性地指的是完全自動化的前景。重要的是要記住,這輛車不會取代醫生,而是成為他的助手和顧問,實際上它只是醫生的第三名。需要AI來優化日常任務,其普遍存在的實現深入改變了具有強大的視覺組件的專業,如放射學和病理學。包括外科醫生在內的從業者積極興趣開發和實施此類設備。需要AI來優化日常任務,具有廣泛的介紹,專業將隨著強大的視覺組件而變化,如放射學和病理學。包括外科醫生在內的從業者積極興趣開發和實施此類設備。

學習的算法學齡前兒童在真實醫院的大量真實醫學圖片上進行了測試。

年輕的程序員必須教導人工智能來計算肺部病理過程的確切尺寸和位置,表明醫生對器官的異常。研究資料項目參與者在開放來源,這些科學文章的國內外醫學大學數據庫中找到。他們從真實LPU上檢查他們的數百個真實醫學圖片的算法,因為對相關和充分數據的訪問對於AI的訓練算法至關重要。

來自Kemerovo的Eleven-Gechenev Danila Pechenev表示,他選擇了這項任務,因為他已經使用了機器願景。他的神經網絡項目,承認手寫,成為“大挑戰”比賽的決賽。新任務的工作將允許您學習先進的機器學習方法。今天的醫學圖像分析是應用神經網絡的緊迫任務。技術可用,在大多數情況下,在檢查驗證的檢查中展示了高精度。

“天狼星”的高中生教神經標註在肺部發現病理 8616_4

對於該項目的決賽選手,開展了良好的機會,以便進一步發展和自我實現。以前的“大挑戰”的許多參與者都參加了該國最大的大學,並積極與MFTI實驗室的專家合作。大學畢業生在整個培訓時間畢業,並告知全球科學出版社的成就和發展。合作夥伴公司已經在實踐中使用了許多與“大挑戰”的想法。

閱讀更多