Специалисты МТУСИ предложили использовать сверточную нейронную сеть для классификации кожных проявлений аллергических заболеваний. Аллергия — причина заболеваний не менее 30 процентов 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 еще до посещения медицинского учреждения.

Магистрант МТУСИ Анвар Баширов под руководством заведующей кафедрой «Интеллектуальные системы в управлении и автоматизации» Лилии Вороновой проанализировал соответствующую предметную область и предложил решение — сверточную нейронную сеть для классификации кожных проявлений аллергических заболеваний.

Для реализации проекта использовались две архитектуры нейронных сетей – YOLO и VGG-16, причем детекция симптомов проводилась как для всего изображения, так и для определенного 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 обучили 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 процентов), аллергический конъюнктивит (95 процентов), периоральный дерматит (100 процентов). Нейронная сеть VGG-16, в свою очередь, способна корректно распознавать некоторые заболевания, имеющие ярко выраженную симптоматику, например аллергический конъюнктивит (свыше 90 процентов), варикозную экзему (79 процентов), стригущий лишай (60 процентов).

«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 Воронова, доктор физико-математических наук, профессор, заведующая кафедрой «Интеллектуальные системы в управлении и автоматизации» МТУСИ.

Исследователи планируют 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.