Изменения

В диагностике заболеваний есть большое количество задач, которые можно решить при помощи машинного обучения. Если кратко, то В основном задача любой модели сводится к {{---}} предсказатьпредсказанию, болен ли человек сейчас.

В задаче предсказания наличия болезни у человека используются чаще всего глубокие нейронные сети, которые на вход получают картинку с рентгенологическим или ультразвуковым исследованием пациента и по ним предсказывают наличие болезни. Большое распространение такой подход получил в задаче предсказания злокачественности опухоли. За основу часто берут GoogleLeNet, при этом точность предсказаний превышает 90%. Такие модели учатся на размеченных тренировочных наборах данных, поэтому их можно отнести к обучению с учителем.

Поскольку точность предсказаний у таких моделей достаточно высока, их стали применять на практике. Сейчас ведутся исследования по внедрению таких моделей в УЗИ-аппараты с целью помочь врачудля того, проводящему исследвание чтобы быстрее и точнее определить определять местоположение и злокачественность опухоли. Кроме того, такие модели стали применять в направленной лучевой терапии, когда злокачественная опухоль облучается различными видами частиц. Известно, что такие эти частицы уничтожают далеко не только раковые , но и здоровые клетки, именно . Именно поэтому активно внедряются модели, которые могут подсказать аппарату точное направление облучения могут помочь огромному количеству людей.