Возрастное ограничение 18+
Ученые Пермского университета смогут предотвращать инфаркты с помощью нейросетей
В Перми ученые с помощью нейросетей и метода математической заморозки создали систему диагностики сердечно-сосудистых заболеваний. Результаты исследований будут впервые представлены сегодня, 16 мая, на Естественнонаучном форуме в ПГНИУ, рассказали в вузе.
Ученые механико-математического факультета Пермского университета создали интеллектуальную систему диагностики и прогнозирования развития сердечно-сосудистых заболеваний, которая работает с помощью нейронных сетей.
Нейросеть и ее программное и аппаратное воплощение являются математической моделью, построенной по принципам организации сетей нервных клеток живого организма.
«Такие сети не требуют постоянного программирования, а обучаются и «растут» самостоятельно. Всего в исследовании участвовали свыше тысячи пермяков. Наша система собрала и проанализировала статистическую информацию и в каждом из случаев успешно поставила диагноз», – говорит выпускник механико-математического факультета ПГНИУ, молодой ученый и один из разработчиков Федор Черепанов. Изначальные базы данных, на которых система «училась», предоставили врачи отделения неотложной кардиологии городской клинической больницы № 4.
Нейронная сеть анализирует сведения о ранее перенесенных заболеваниях, наличии болезней у родственников, пульс, артериальное давление – всего 69 показателей. Изменяя один или несколько входных параметров, можно наблюдать за процессом развития заболевания. Это ученые-математики называют «методом замораживания».
В ходе исследования был выявлен ряд закономерностей. Так, анализ нейросети показал, что наличие сахарного диабета не влияет на предрасположенность к инфаркту миокарда. Система определила, что увеличение или уменьшение веса не связано с вероятностью заболевания аритмиями, замедлением или прекращением передачи импульса по сердечной мышце – блокадой сердца. Кроме этого, нейросеть зафиксировала: фактор наследственности увеличивает риск возникновения инфаркта на 6,25%, а гипертонии – на 7,4%.
«Врачи практически не используют метод математического моделирования. В то же время с его помощью можно обнаружить взаимосвязь многих вещей, а также устранить риски, которые влияют на опасный прогноз. Это поможет частично или полностью избавить пациента от походов в больницу», – говорит научный руководитель коллектива разработчиков, профессор кафедры прикладной математики и информатики механико-математического факультета ПГНИУ Леонид Ясницкий.
Разработка пермского коллектива, в который входят ученые классического, медицинского и педагогического университетов, уже получила поддержку краевых властей, а также грант Российского фонда фундаментальных исследований – 1 млн 350 тысяч рублей. Впервые систему презентуют широкой общественности на Естественнонаучном форуме «Наука и глобальные вызовы XXI века» в рамках Второй Всероссийской научно-практической конференции «Искусственный интеллект в решении актуальных социальных и экономических проблем XXI века». Протестировать прототип можно на сайте Пермского отделения Научного совета РАН по методологии искусственного интеллекта projects.permai.ru/md/.
Ученые механико-математического факультета Пермского университета создали интеллектуальную систему диагностики и прогнозирования развития сердечно-сосудистых заболеваний, которая работает с помощью нейронных сетей.
Нейросеть и ее программное и аппаратное воплощение являются математической моделью, построенной по принципам организации сетей нервных клеток живого организма.
«Такие сети не требуют постоянного программирования, а обучаются и «растут» самостоятельно. Всего в исследовании участвовали свыше тысячи пермяков. Наша система собрала и проанализировала статистическую информацию и в каждом из случаев успешно поставила диагноз», – говорит выпускник механико-математического факультета ПГНИУ, молодой ученый и один из разработчиков Федор Черепанов. Изначальные базы данных, на которых система «училась», предоставили врачи отделения неотложной кардиологии городской клинической больницы № 4.
Нейронная сеть анализирует сведения о ранее перенесенных заболеваниях, наличии болезней у родственников, пульс, артериальное давление – всего 69 показателей. Изменяя один или несколько входных параметров, можно наблюдать за процессом развития заболевания. Это ученые-математики называют «методом замораживания».
В ходе исследования был выявлен ряд закономерностей. Так, анализ нейросети показал, что наличие сахарного диабета не влияет на предрасположенность к инфаркту миокарда. Система определила, что увеличение или уменьшение веса не связано с вероятностью заболевания аритмиями, замедлением или прекращением передачи импульса по сердечной мышце – блокадой сердца. Кроме этого, нейросеть зафиксировала: фактор наследственности увеличивает риск возникновения инфаркта на 6,25%, а гипертонии – на 7,4%.
«Врачи практически не используют метод математического моделирования. В то же время с его помощью можно обнаружить взаимосвязь многих вещей, а также устранить риски, которые влияют на опасный прогноз. Это поможет частично или полностью избавить пациента от походов в больницу», – говорит научный руководитель коллектива разработчиков, профессор кафедры прикладной математики и информатики механико-математического факультета ПГНИУ Леонид Ясницкий.
Разработка пермского коллектива, в который входят ученые классического, медицинского и педагогического университетов, уже получила поддержку краевых властей, а также грант Российского фонда фундаментальных исследований – 1 млн 350 тысяч рублей. Впервые систему презентуют широкой общественности на Естественнонаучном форуме «Наука и глобальные вызовы XXI века» в рамках Второй Всероссийской научно-практической конференции «Искусственный интеллект в решении актуальных социальных и экономических проблем XXI века». Протестировать прототип можно на сайте Пермского отделения Научного совета РАН по методологии искусственного интеллекта projects.permai.ru/md/.
Получать доступ к эксклюзивным и не только новостям Вечерних ведомостей быстрее можно, подписавшись на нас в сервисах «Яндекс.Новости» и «Google Новости».
Поддержать редакцию
Информация
Комментировать статьи на сайте возможно только в течении 60 дней со дня публикации.