| Название НИОКТР |
Создание модели искусственного интеллекта и ее тестирование на реальных данных с помощью инновационных методов автоматизации аннотирования данных жидкостной цитологии.
|
| Аннотация |
Создание моделей машинного обучения в медицине обладает рядом особенностей и сложностей, связанных с необходимостью обеспечения надежности и точности алгоритмов:
- Для создания моделей, которые могут быть применимы на практике, важно собирать данные из разных лабораторий. Это позволяет обеспечить высокую обобщающую способность модели, так как медицинские данные, полученные с разных устройств/в разных лабораториях, могут различаться по качеству, формату и характеристикам, что связано с различными условиями пробоподготовки, окрашивание мазка, оцифровки препарата, хранения оцифрованных копий препаратов.
- Медицинские данные нуждаются в качественной аннотации, которая обычно выполняется квалифицированными экспертами (например, врачами-патологами и цитологами). Процесс аннотирования зачастую оказывается очень затратным, так как работа с медицинскими изображениями требует высокой квалификации аннотаторов и значительных затрат времени;
- В медицинской сфере стандарты, устройства и методики могут меняться, поэтому важно, чтобы модель могла адаптироваться к новым типам данных. Это требует периодического доаннотирования и дообучения модели.
Цель проекта — разработка масштабируемых подходов к созданию модели искусственного интеллекта для анализа изображений жидкостной цитологии с использованием инновационных методов автоматизации аннотирования.
Для достижения этой цели планируется решить следующие задачи:
1. Разработать методы для снижения трудозатрат врача эксперта на аннотирование цитологических данных, тем самым снижая стоимости аннотирования. В проекте будет использована дообучненная модель Segment Anything Model (SAM) для автоматизированного выделения объектов на изображениях и модель предварительной классификации типа клетки, что позволяет значительно упростить процесс подготовки больших наборов данных. Также будет проведено исследование автоматического метода оценки качества аннотирования экспертами.
2. Повысить обобщающую способность модели. Для повышения обобщающей способности разрабатываемой модели особое внимание будет уделено использованию данных из различных лабораторий, что позволит модели лучше адаптироваться к разнообразным условиям и особенностям данных.
3. Разработать полуавтоматическую систему аннотирования для аннотации цитологических изображений на основе предложенных методов.
4. Провести масштабное тестирование разработанной модели на реальных данных. Будет проведено тестирование модели на данных из различных лабораторий.
В результате выполнения проекта будет не только получена работоспособная интеллектуальная модель анализа изображений жидкостной цитологии, но и будет заложен фундамент для обеспечения
масштабируемости в рамках дальнейшего развития проекта, что открывает возможности для создания продукта, готового к использованию в медицинских учреждениях.
В проекте, помимо прочего, будет выполнено инновационное научное исследование качества аннотирования цитологических данных с использованием интерпретируемых эмбеддингов аннотаторов представляет научную новизну в области биомедицины, где сложность аннотации и различия в интерпретации данных между специалистами затрудняют точное аннотирование. Такой подход позволяет учитывать стиль каждого аннотатора, не требуя создания общих выборок, и обеспечивает более глубокую оценку качества их работы, а не только согласованности. Интерпретируемые эмбеддинги позволяют детально анализировать индивидуальные особенности аннотирования и выявлять области, требующие улучшения, что способствует повышению точности и надежности данных. Этот метод также предоставляет возможность разрабатывать персонализированные рекомендации для обучения аннотаторов, повышая общее качество биомедицинских исследований.
|
| Доступ к ОКОГУ исполнителя |
False
|
| Количество связанных РИД |
0
|
| Количество завершенных ИКРБС |
0
|
| Сумма бюджета |
28000.0
|
| Дата начала |
2025-05-27
|
| Дата окончания |
2028-12-15
|
| Номер контракта |
Соглашение 25-75-20027
|
| Дата контракта |
2025-05-27
|
| Количество отчетов |
1
|
| УДК |
618
|
| Количество просмотров |
13
|
| Руководитель работы |
Трегубова Анна Васильевна
|
| Руководитель организации |
Сухих Геннадий Тихонович
|
| Исполнитель |
ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ УЧРЕЖДЕНИЕ "НАЦИОНАЛЬНЫЙ МЕДИЦИНСКИЙ ИССЛЕДОВАТЕЛЬСКИЙ ЦЕНТР АКУШЕРСТВА, ГИНЕКОЛОГИИ И ПЕРИНАТОЛОГИИ ИМЕНИ АКАДЕМИКА В.И.КУЛАКОВА" МИНИСТЕРСТВА ЗДРАВООХРАНЕНИЯ РОССИЙСКОЙ ФЕДЕРАЦИИ
|
| Заказчик |
Российский научный фонд
|
| Федеральная программа |
—
|
| Госпрограмма |
—
|
| Основание НИОКТР |
Грант
|
| Последний статус |
2025-06-27 16:28:45 UTC, 2025-06-27 16:28:45 UTC
|
| ОКПД |
Нет
|
| Отраслевой сегмент |
—
|
| Минздрав |
—
|
| Межгосударственная целевая программа |
—
|
| Ключевые слова |
искусственный интеллект; автоматизированный анал; прецизионная медицина; инновационные технологии в медицине; диагностика на основе ИИ; методы аннотирования; автоматизация аннотирования данных; цифровая патоморфология; жидкостная цитология
|
| Соисполнители |
ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ УЧРЕЖДЕНИЕ НАУКИ ИНСТИТУТ СИСТЕМНОГО ПРОГРАММИРОВАНИЯ ИМ. В.П. ИВАННИКОВА РОССИЙСКОЙ АКАДЕМИИ НАУК
|
| Типы НИОКТР |
Поисковое (ориентированные фундаментальные) исследование
|
| Приоритетные направления |
—
|
| Критические технологии |
—
|
| Рубрикатор |
76.29.48 - Акушерство и гинекология
|
| OECD |
—
|
| OESR |
Акушерство и гинекология
|
| Приоритеты научно-технического развития |
в) переход к персонализированной, предиктивной и профилактической медицине, высокотехнологичному здравоохранению и технологиям здоровьесбережения, в том числе за счет рационального применения лекарственных препаратов (прежде всего антибактериальных) и использования генетических данных и технологий;
|
| Регистрационные номера |
ikrbs: {'card_list': [{'id': '5KNYIDNPK7YEYXLWZWIW4DBU'}]}
|
