Рентгендік суреттерде кеуде қуысының ауруларын жіктеуге арналған мысалдардың аз санымен Федеративті оқыту алгоритмдерін әзірлеу және оқыту әдістерін біріктіру

Жоба жетекшісі: Маханов Н.М.​

Қаржыландыру көзі: «Жас ғалым» жас ғалымдардың жобасы бойынша ГҚ

Жобаның атауы: Өкпенің рентгеніне негізделген Covid-19 және басқа патологиялардың диагностикалық архитектурасын жасау Федеративті оқыту мен аз мысалды оқыту әдістерін қолдану.

Іске асыру жылдары: 2024  – 2026   ​

Қаржыландыру көлемі:  29 858 850 теңге​

1. Интеграция федеративного обучения (ФО)
2. Разработка облегченных моделей
3. Реализация алгоритмов обучения с малым числом примеров в рамках федеративного обучения

• Федеративное обучение с обучением в несколько этапов будет способствовать развитию научных знаний в области классификации медицинских изображений грудной клетки. Кроме того, в рамках проекта будет создан небольшой прототип веб-ресурса, который будет использоваться для масштабирования и коммерциализации технологии.
• Результаты проекта «Разработка алгоритмов Федеративного обучение и интеграция методов обучения с малым числом примеров для классификации болезней грудной клетки в рентген снимках.» в первую очередь ориентированы на различные частные и государственные медицинские организации, занимающиеся выявлением заболеваний органов грудной клетки с использованием рентгеновских снимков. Они будут представлять более широкий интерес для приоритетных направлений научного развития: Интеллектуальный потенциал страны, Наука о жизни и здоровье, Национальная безопасность и оборона, а также для ученых и учреждений, занимающихся проектированием и развитием исследований ИИ, применяемых в работе с медицинскими изображениями.
• Результатом исследования являются публикации как минимум в двух в журналах из первых трех квартилей по импакт-фактору в базе данных Web of Science или имеющих процентиль по CiteScore в базе данных Scopus не менее 50 в областях компьютерного зрения, медицины и искусственного интеллекта. В AITU будет организован семинар с участием ученых и представителей промышленности для распространения основных результатов исследований. Заявка на патент на новую компоновку также будет рассмотрена после успеха запланированных испытаний. Результаты и данные исследования будут заархивированы на серверах, предоставленных AITU. Для распространения результатов исследований, повышения вероятности реализации и коммерциализации проекта на сайте AITU будет создана веб-страница, которая будет содержать краткую информацию о проекте, включая актуальность, цель, ожидаемые и достигнутые результаты, имя и фамилию членов исследовательской группы.

• Өкпенің рентгендік суреттері көп класты және бір суреттегі бірнеше белгілер бойынша жіктелген.
• Алгоритмдер әзірленді және терең оқыту модельдері оқытылды.
• * Pytorch, Flower, Timm сияқты танымал құрылымдарда рентгенге түсіру үшін Федеративті оқытудың жұмыс архитектурасы жүзеге асырылды.
• Сыныптық теңгерімсіздігі бар деректерді түрлендіру үшін Дирихлет алгоритмі (Latent Dirichlet Allocation) қолданылды.
• Жазалар қолданылады (penalties) L1 және L2, өшіру ықтималдығы (dropout), деректерді күшейту, және пакеттік қалыпқа келтіру.
• Дәлдікті бағалау нәтижелері, сезімталдықты есептеу, F1-бағалау, ерекшелік, қабылдағыштың өнімділігін талдау, дәлсіздік матрицасын талдау.