Ученые разработали компактный ИИ для выявления рака груди

Традиционные методы компьютерной диагностики часто опираются на сложные ансамбли нейросетей, требующие серьезного «железа». Новый подход использует связку моделей SqueezeNet и ShuffleNet, дополненную механизмом взаимного гейтинга. Эта технология позволяет нейросетям обмениваться данными, отсеивая визуальный шум и фокусируясь на критически важных признаках патологии.

В ходе тестирования на международных наборах гистопатологических изображений алгоритм продемонстрировал впечатляющие результаты. При анализе снимков с 100-кратным увеличением точность системы составила 99,72%. Статистический анализ подтвердил, что модель безошибочно выделяет участки ткани, имеющие решающее значение для постановки диагноза, корректно распознавая как доброкачественные изменения, так и агрессивные формы опухолей.