Перейти до основного вмісту

Платформа штучного інтелекту для дистанційного автоматизованого виявлення та діагностики захворювань людини

Назва конкурсу: Конкурс НФДУ "Наука для безпеки людини та суспільства"
Реєстраційний номер проєкту: 2020.01/0490
Терміни реалізації проєкту: з до
Тип дослідження (розробки): прикладні наукові дослідження
Галузь науки: Громадське здоров’я

Пріоритетний напрям розвитку науки і техніки: науки про життя, нові технології профілактики та лікування найпоширеніших захворювань
Науковий напрям за конкурсом: За напрямами досліджень, пов’язаних із біобезпекою, біомедициною, екологією, кібернетичною та інформаційною безпекою, із відповіддю на економічні, соціальні, гуманітарні виклики в умовах природних та техногенних надзвичайних ситуацій, а також з подоланням
Відомча підпорядкованість установи: Міністерство освіти і науки України
Підстава для зміни: не має
Кількість докторів наук : 3
Кількість кандидатів наук: 2
У тому числі молоді вчені: 0
Кількість допоміжного персоналу: 4
Середній бал за експертною оцінкою: 89.20

Мета проєкту: Основна мета проекту полягає в створенні платформи штучного інтелекту (ШІ) (artificial intelligence platform - AI) для дистанційного автоматизованого виявлення (Computer-Aided Detection - CADe) і дистанційної автоматизованої діагностики (Computer-Aided Diagnostics - CADx) хвороб людини. Наукова складова основної мети — це побудова методології використання методів ШІ, а саме методів машинного навчання (machine learning — ML) та методів поглибленого навчання (deep learning — DL), для автоматизованого аналізу медичних даних різного типу і розмірності, включаючи одновимірні акустичні, двовимірні рентгенографічні, тривимірні комп'ютерної томографії (КТ/МРТ), багатоканальної електроенцефалографії (ЕЕГ), тощо. Практична складова основної мети — це реалізація даної методології на базі інфраструктури хмарних обчислень для дистанційного доступу користувачів (медичного персоналу) у вигляді ШІ-платформи. Користувачі отримають можливість дистанційного доступу до веб-сервісів для завантаження медичних даних, доступу до загальної бази медичних даних, та, головне, виконання дистанційного автоматизованого виявлення та діагностики (CADe/CADx) хвороб людини. В результаті виконання проекту її функціональність буде продемонстровано на прикладі конкретного рішення для CADe/CADx хвороб легенів, серця, та інші захворювань, які зазвичай виявляються та діагностуються за допомогою методів рентгенографії грудної клітки (Chest X-Ray - CXR). В короткочасній перспективі (1-2 роки) це дозволить створити ШІ-платформу для автоматичного скринінгу хвороб людини на основі CXR та започаткувати створення загальнонаціональної баз даних (датасету) CXR-даних (які вже створюються у США, Китаї, Іспанії та інших країнах), а в подальшому розвитку — ШІ-платформу для автоматичного скринінгу інших хвороб людини на основі інших даних (КТ, МРТ, ЕЕГ, тощо) та започаткувати створення загальнонаціонального датасету для цих даних.
Результати проєкту: Зроблено вибір/налаштування
стандартних моделей глибинного навчання (DL) на конфігурації віртуального
прототипу обладнання та програмного забезпечення на основі платформи
медичного застосування Nvidia Clara та моделей для периферійних обчислень
(включно із Google Coral, Inel Movidius, тощо). Досліджено, розроблено та
протестувано: міні-модель DTL-19 з перенавчанням щільних шарів (WU1), мідімодель DTL-19 з перенавчанням деяких згорткових CNN-шарів + щільних шарів
(WU1), максі-модель DTL-19 з перенавчанням усіх шарів (WU2) та інших
моделей з елементами гібрідізації компонентів нейронних мереж інших
архітектур.
Створено інфраструктури (демо-версія) для тестування знімків від інших
зовнішніх джерел. Також цей тестовий майданчик використовується для
відпрацювання окремих компонентів платформи: вибір/налаштування моделей
глибинного навчання (DL) для підвищення якості зображень в контексті методів
Image Super Resolution, підвищення якості стискання та розархівування
зображень, кращих методів сегментації зображень на основі моделей U-Net
сімейства, застосування способів штучного розширення різноманітності даних із
покращенням метрик пропускної здатності, розробка рішення на основі технології
блокчейн для доказу автентичності медичного контенту глибинного навчання.

УЧАСНИКИ ПРОЄКТУ

Керівник проєкту: Стіренко Сергій Григорович
Термін у проєкті: -