В СГУ научили ИИ искать направленную связь между сигналами
Специалисты Саратовского национального исследовательского государственного университета имени Н.Г. Чернышевского (СГУ) научили искусственный интеллект (ИИ) определять направленную связь между сигналами в условиях шума. Разработанная технология в том числе позволит врачам точнее подбирать лечение и выявлять сердечно-сосудистые патологии на ранних стадиях.
Метод поиска направленной связи между сигналами нужен в самых разных областях — от медицины и нейронаук до климатологии и инженерии. В кардиологии, например, он помогает понять, как сердце и сосуды «договариваются» между собой, а в экологии — выявить, какие природные процессы запускают изменения климата. Ранее для поиска такой связи применяли традиционные математические методы, которые оценивают, улучшает ли знание одного сигнала прогноз другого. Однако, такие подходы требуют сложных расчетов и зачастую плохо работают с неполными или сильно зашумленными данными.
Ученые СГУ решили эту задачу с помощью искусственных нейронных сетей — алгоритмов, которые имитируют работу человеческого мозга и учатся распознавать закономерности. Для отработки технологии авторы использовали модельные объекты — осцилляторы Ван дер Поля. Это математические «генераторы колебаний», которые могут имитировать поведение живых систем (например, сердечного ритма) или устройств (электронных генераторов).
В лаборатории исследователи создавали пары таких осцилляторов — с направленной связью и без нее. Их сигналы подавали на вход трех типов нейросетей: полносвязной, сверточной и рекуррентной. Для усложнения задачи в сигналы добавляли шум — от легкого фона до 100 % от исходной амплитуды. В результате ученые выявили, что полносвязная нейросеть показала лучшую устойчивость к шуму, определяя наличие связи даже в крайне зашумленных данных. Сверточная лучше фиксировала слабые связи, но хуже работала при сильном шуме. А рекуррентная чаще ошибалась, особенно когда связи не было вовсе.
«Сейчас оцениванием точность, с которой такая технология может оценить силу связи, а также сопоставляем нейросетевые подходы с классическими методами. В следующем году технология будет апробирована на математических моделях биологических сигналов ЭКГ и фотоплетизмограммы (измерения наполнения сосудов с помощью оптических датчиков, как в пульсоксиметрах), а затем применена непосредственно к биологическим данным, зарегистрированным у здоровых добровольцев и пациентов после инфаркта миокарда», — рассказал один из авторов исследования, доцент кафедры динамического моделирования и биомедицинской инженерии СГУ Юрий Ишбулатов.
По словам ученых, в перспективе метод можно будет применять к реальным биосигналам — ЭКГ и фотоплетизмограмме (измерению наполнения сосудов с помощью оптических датчиков, как в пульсоксиметрах). Результаты позволят врачам подбирать лечение точнее, отслеживать динамику восстановления пациентов после инфаркта, а при массовом скрининге — выявлять сердечно-сосудистые патологии на ранних стадиях. За пределами медицины технология может найти применение в робототехнике, экологии и даже в анализе экономических процессов — везде, где важно понять, кто «ведет» систему, а кто подстраивается.
Исследование поддержано Минобрнауки России в рамках программы «Приоритет-2030», а также грантом РНФ.