Гаврилов Дмитрий Александрович - кандидат технических наук, доцент кафедры радиоэлектроники и прикладной информатики, руководитель лаборатории цифровых систем специального назначения.
141701, Московская область, г. Долгопрудный, Институтский пер., д. 9
Dmitry A. Gavrilovюь- PhD, associate professor of radioelectronics and applied Informatics, head of the laboratory of digital systems for special purposes MIPT.
9 Institutskiy per., Dolgoprudny, Moscow Region 141701
Закиров Эмиль Ильдарович - студент, стажер лаборатории цифровых систем специального назначения.
141701, Московская область, Долгопрудный, Институтский пер., д. 9
Emil I. Zakirov - student, intern of the laboratory of digital systems for special purposes MIPT.
9 Institutskiy per., Dolgoprudny, Moscow Region 141701
Гамеева Елена Владимировна - кандидат медицинских наук, заместитель директора по лечебной работе.
125284,. Москва, 2-й Боткинский проезд, д. 3
Elena V. Gameeva - MD, PhD, deputy director for medical work.
3, 2nd Botkinskiy proezd, Moscow 125284
Семенов Владимир Юрьевич - доктор медицинских наук, профессор, главный врач Института коронарной и сосудистой хирургии.
119049, Москва, Ленинский проспект, д. 8, корп. 7
Vladimir Yu. Semenov - MD, PhD, DSc, professor, chief physician, Institute for Coronary and Vascular Surgery.
8/7 Leninskii Ave., Moscow 119049
Александрова Оксана Юрьевна - доктор медицинских наук, профессор, заместитель директора по учебной работе.
129110, Москва, ул. Щепкина, д. 61/2, корп. 1
Oksana Yu. Alexandrova - MD, PhD, DSc, professor, deputy director for academic aff airs.
61/2, build. 1 Shchepkina str., Moscow 129110
В последние 10 лет произошла революция в области компьютерного анализа изображений и распознавания образов. Современные алгоритмы компьютерного зрения сравнялись и даже в некоторых задачах превзошли возможности человека. Данный рывок во многом обязан появлению и развитию технологии глубоких сверточных нейросетей. Последние наработки в области обработки изображений и машинного обучения открывают перспективу создания систем на основе искусственных нейронных сверточных сетей, превосходящих человека в задачах классификации изображений, в частности, при решении задач анализа различных медицинских изображений. Среди наиболее перспективных применений: автоматизированное распознавание и классификация кожных заболеваний, обнаружение патологий на рентгеновских, КТ, МРТ, УЗИ-изображениях. В предлагаемом проекте сфокусируем свое внимание на диагностике заболеваний кожи человека. В настоящий момент меланома является одним из самых опасных видов злокачественных новообразований кожи с большим количеством смертельных исходов из-за быстрого метастазирования, с трудом поддается лечению. Развитие технологий компьютерного зрения позволило разработать системы технического зрения, позволяющие осуществлять детектирование и классификацию кожных заболеваний с качеством, сопоставимым и в ряде случаев превышающим значения, достигаемые человеком. В данной работе авторы предлагают алгоритм для первичной диагностики меланомы кожи на основе глубоких нейронных сетей, достигающий точности определения меланомы в 91% на дерматоскопических изображениях. В настоящий момент алгоритм реализован программно и используется в тестовой версии онлайн-системы детектирования и классификации кожных заболеваний, доступной по адресу skincheckup.online. Благодаря данной разработке открывается перспектива значительного увеличения доли населения, подвергающегося профилактическому осмотру на предмет наличия кожных заболеваний. Наравне с этим, дополнительный источник информации для профильных специалистов также может сыграть роль в постановке верного диагноза.
In the last 10 years there has been a revolu on in the fi eld of computer image analysis and pa ern recogni on. Modern algorithms of computer vision equaled and even in some problems surpassed human capabili es. This jerk is largely due to the emergence and development of the technology of deep convolu onal neural networks.
Recent developments in the fi eld of image processing and machine learning open up the prospect of crea ng systems based on ar fi cial neural convolu onal networks, superior to humans in problems of image classifi ca on, in par cular, in solving problems of analysis of various medical images. Among the most promising applica ons: automated recogni on and classifi ca on of skin diseases, detec on of pathologies on X-ray, CT, MRI, ultrasound imaging. In the proposed project, we will focusour a en on on the diagnosis of human skin diseases.
At the moment, melanoma is one of the most dangerous types of malignant tumors of the skin with a lot of deaths due to rapid metastasis, which is difficult to treat. The development of computer vision technology has allowed the development of technical vision systems that allow detec on and classifi ca on of skin diseases with a quality that is comparable and in some cases exceeds the values a ained by man.
In this paper, the authors propose an algorithm for the primary diagnosis of skin melanoma based on deep neural networks, achieving an accuracy of 91% for melanoma in dermatoscopic images. At the moment, the algorithm is implemented programma cally and is used in the test version of the online system for detec ng and classifying skin diseases, available at skincheckup.online.
Thanks to this development, the prospect of a signifi cantincrease in the propor on of people subjected to preven ve examina on for the presence of skin diseases opens up. Along with this, an addi onal source of informa on for specialized professionals can also play a role in seng the right diagnosis.
The authors declare that there are no conflicts of interest present.