قام الباحث الأول في مختبر البيانات الضخمة والتعلم الآلي بجامعة جنوب الأورال الحكومية، البروفيسور ساشين كومار، بتطوير نموذج شبكة عصبية للتعرف على أورام المخ من صور التصوير بالرنين المغناطيسي.
«تم تدريب الشبكة العصبية على مجموعة متاحة من الجمهور والمكونة من 3064 صورة بالرنين المغناطيسي لـ 230 مريضًا. – تم التعرف على ثلاثة أنواع من الأورام: الأورام الدبقية، والأورام السحائية، وأورام الغدة النخامية. يجمع نموذجنا بين عناصر الشبكات العصبية التلافيفية والتلافيفية (U-net وCNN) لتجزئة الورم وتصنيفه، مما أدى إلى زيادة كفاءته إلى أكثر من 99% من الدقة»,- يقول ساشين كومار.
في مجموعة بيانات المرضى الذين لديهم تشخيص مؤكد بالفعل، تم تشخيص 99.39% منهم بالمرض، وتم تشخيص 0.61% فقط بشكل غير صحيح على أنهم «أصحاء» من قبل النظام.
ولتحقيق هذه النتيجة، مرت الشبكة العصبية بـ 150 دورة تدريبية. تم تنفيذ الخوارزميات بلغة البرمجة بايثون.
«عند تدريب الشبكة العصبية، تم تقسيم كل صورة في البداية إلى 9 أجزاء,- يشرح البروفيسور جوهر التكنولوجيا.- تم إنشاء شجرة نقاط التحكم (VPT)، وتم حساب مؤشرات أقرب بكسلات مجاورة، كذالك تم إنشاء تسميات، والتي تم استخدامها بعد ذلك لحساب الاحتمالات».
ثم تم استخدام «شبكة تلافيفية». «الشبكة العصبية التلافيفية (U-net) - هي بنية خاصة لمهام التجزئة الدلالية، مثل، على سبيل المثال، تجزئة أورام الدماغ. وهو يتألف من جزأين رئيسيين - التشفير ووحدة فك التشفير. يقوم جهاز التشفير بجمع المعلومات المكانية في الصورة وتقليلها باستخدام الطبقات التلافيفية وعمليات التجميع، بينما يقوم جهاز فك التشفير بتحويلها لإنشاء خريطة تجزئة.
«الشبكات العصبية التلافيفية (CNN)، والشبكات العصبية المتكررة (RNN)، والشبكات العصبية التلافيفية (U-Net)، وشبكات الذاكرة الطويلة والقصيرة المدى (LSTM) - كلها تقنيات للتعلم العميق,- يوضح ساشين كومار. – في الأساس، يكون التعلم العميق مفيدًا عندما يكون حجم البيانات كبيرًا بدرجة كافية بحيث لا تتمكن خوارزميات التعلم الآلي البسيطة من التعامل معها في وقت مقبول. يوفر التعلم العميق دقة عالية عند العمل بشكل خاص مع البيانات الضخمة.
البروفيسور كومار واثق من فعالية نموذجه، لكنه يحذر من التنفيذ المتسرع. وهي في المقام الأول... مسألة جغرافيا.
«يتم جمع مجموعات البيانات العامة من منطقة معينة من الكوكب، لكن نمط الحياة ومستوى معيشة السكان والبيئة والتغذية وجودة المياه والهواء وغيرها من المعايير البيئية والصحية تختلف في كل بلد»,- - يوضح ساشين كومار.
لذلك، قبل إدخالها في ممارسة المستشفى، يجب تدريب الشبكة العصبية بشكل إضافي على بيانات التصوير بالرنين المغناطيسي من بلد أو منطقة معينة. ولكن هذا فقط في الوقت الراهن.
«كان الهدف من المشروع هو تطوير نموذج أكثر دقة مقارنة بالنماذج الموجودة. ويقول الباحث ولقد نجحنا,- الخطوة التالية هي جمع ودمج البيانات من البلدان الأخرى، وأخيرا تطوير نوع من النموذج العالمي الذي سيتم الموافقة عليه وتنفيذه للاستخدام في المستشفيات في جميع أنحاء العالم».
سيتشين كومار هو واحد من سبعة موظفين في جامعة جنوب الأورال الحكومية الذين حصلوا على جائزة »اعتراف جامعة جنوب الأورال الحكومية – 2022»، والفائز في فئة «العلم». تم دعم عمله بمنحة من مؤسسة العلوم الروسية. وباكتشافه، شارك أيضًا في مشروع FENU-2020-0022 «الأسس والنماذج والخوارزميات الرياضية للصناعة الرقمية» تحت قيادة البروفيسور ليونيد سوكولينسكي، وبدعم من وزارة التعليم في الاتحاد الروسي.