В БелГУ разработали метод классификации лейкоцитов по фото клеток крови
Ученые Белгородского государственного национального исследовательского университета (БелГУ) зарегистрировали инновационную программу для распознавания и классификации лейкоцитов на фотографиях клеток крови. Разработка поможет значительно повысить точность и интерпретируемость результатов анализов.
Скорость обработки данных имеет важное значение для клинической диагностики, где время часто играет решающую роль. Однако современные автоматические методы либо слишком дороги, либо недостаточно универсальны. Каждая лаборатория использует свои уникальные снимки, отличающиеся по яркости, качеству и цвету, что значительно усложняет их распознавание в автоматическом режиме.
Исследователи БелГУ поставили пред собой задачу создать универсальный метод, который одинаково эффективно можно применять к снимкам из различных лабораторий и с разных микроскопов. Разработанная ими программа, в основе которой заложен гибридный метод, объединяющий два подхода — экспертных правил и обученной нейронной сети (ИИ), — способна автоматически идентифицировать различные типы белых кровяных телец (лейкоцитов) на микроскопических снимках.
Первая часть программы работает на базе экспертных правил, в которые сведены знания специалистов, применяемые при ручном анализе. Правила помогают определить, какой именно вид лейкоцита изображен на фотографии, с учетом таких характеристик, как форма клетки, ее цвет, структура поверхности, а также статистики распределения цветов и форм внутри клетки. Затем модель применяет байесовский вывод, позволяющий учитывать не только известную информацию, но и новые данные, полученные в ходе наблюдений, что также повышает точность расчетов.
В основе второй части программы — нейросеть глубокого обучения. Инструмент ИИ способен самостоятельно находить кровяные клетки на изображениях и определять их принадлежность к одному из пяти классов: нейтрофилы, лимфоциты, моноциты, эозинофилы и базофилы. Правильная настройка и большой объем обучающих данных позволяют нейронным сетям давать хорошие результаты.
Однако сам по себе ИИ может ошибаться, что критично для медицинской практики. Понимать, как система пришла к тому или иному решению, очень важно, но нейросети не всегда дают такую возможность. Белгородские ученые объединили преимущества двух подходов — экспертных правил и нейросетей. Новая программа обрабатывает каждый снимок двумя этими методами, после чего комбинирует результаты. Если оба метода приходят к одинаковому результату, он и будет считаться окончательным. При возникновении противоречия итоги автоматического анализа отправляются на дополнительную проверку специалисту.
«Для медицинской диагностики важны разработки математических моделей и гибридных методов, объединяющих преимущества нейронных сетей, интерпретируемых нечетких моделей и байесовского подхода. С практической точки зрения они обеспечивают высокую точность, прозрачность и удобство экспертного анализа, а также возможность корректировки автоматически принимаемых решений», — отметил руководитель исследования, доцент кафедры математического и программного обеспечения информационных систем Института инженерных и цифровых технологий БелГУ Владимир Михелев.
На обработку снимка новой программе требуется меньше секунды, при этом ее точность (93 %) сопоставима с современными сложными системами, включая большие нейронные сети. Но в отличие от большинства аналогов, разработка ученых БелГУ при такой высокой производительности способна полностью сохранять прозрачность процесса — программа фиксирует распознанные признаки и активированные для их распознавания правила. Это позволяет экспертам проследить логику принятия решений и при необходимости внести корректировки.
Исследователи на реальных медицинских данных подтвердили эффективность разработанного гибридного метода классификации лейкоцитов.