Исследователи разработали компактное устройство OVision на базе Raspberry Pi для диагностики подтипов рака яичников по гистологическим снимкам. Система использует глубокое обучение и достигает точности 95% при классификации образцов тканей, что сопоставимо с традиционными методами диагностики.
В основе системы лежит нейросеть VGG-16, обученная на наборе из 252 019 изображений тканей. Модель способна различать 5 основных подтипов рака яичников, анализируя микроскопические особенности образцов.
Ключевое преимущество разработки — доступность и автономность. Устройство не требует подключения к интернету и может работать от аккумулятора, выдавая результат за 2-7 секунд. Это делает систему особенно полезной для отдаленных регионов с ограниченной медицинской инфраструктурой.
Исследователи протестировали две архитектуры нейросетей: VGG-16 и EfficientNetV2B0. VGG-16 показала значительно лучшие результаты с общей точностью 86% против 49% у EfficientNetV2B0, что определило её выбор для финальной версии устройства.
Источник новости и обложки: www.nature.com