A gépi tanulási módszerek alkalmazása révén megkönnyíthető az orvosok munkája, egy most zajló kutatás célja például az, hogy mesterséges intelligencia segítségével gyorsítsák fel a méhnyakrákszűrésen levett kenetek elemzését – derült ki a Debreceni Egyetem, a győri Széchenyi István Egyetem és a Magyar Ipari Innovációs Matematikai Szolgáltatási Hálózat (HU-MATHS-IN) által gazdasági szervezetek számára tartott szerdai online partnertalálkozón.
Az erről szóló közlemény idézi Harangi Balázst, a Debreceni Egyetem komputergrafika és képfeldolgozás tanszékének adjunktusa, aki elmondta, korábban már folytattak olyan kutatásokat, amelyek célja az volt, hogy hagyományos tanuló algoritmusokkal súlyosságuk szerint osztályozzák a cukorbetegség miatt kialakuló szembetegségeket a pupillán keresztül a szemfenékről készült felvételek alapján.
Mint mondta, nagy mennyiségű digitális képből összeállítható egy szakértők által felcímkézett adatbázis, amelyek révén „mélytanuló hálók” megtanulnak különbséget tenni a képek között, és akár felismerhetnek olyan diszkriminatív jellegű vizuális tulajdonságokat is, amelyeket szemmel vizsgálva még az orvosok sem kötöttek az adott betegséghez. A tanulási folyamat során önmagukat optimalizálják, hogy a lehető legmagasabb pontosságot érjék el – mondta az adjunktus. Erre példa az a projekt, amelynek keretében olyan mobiltelefonos applikációt fejlesztettek ki laikusok számára, amely képes diagnosztizálni egy bőrelváltozásról, hogy az kóros-e, és érdemes-e miatta mielőbb bőrgyógyászhoz fordulni – tette hozzá.
Egy jelenleg futó kutatásról beszámolva elmondta, a projekt arról szól, hogy a gépi tanulás eszközeivel automatizáltan tudjuk elemezni a méhnyakrákszűrés citológiai leletfelvételeit, ami növelheti a pontosságot és legfőképpen a gyorsaságot.
A közlemény szerint a sajtótájékoztatón Horváth Zoltán, a HU-MATHS-IN, illetve az európai szervezet, az EU-MATHS-IN elnöke, a Széchenyi István Egyetem professzora elmondta, hogy az ipari matematika a matematikai kutatási eredmények (modellezés, szimuláció, optimalizáció, gépi tanulás) módszereinek ipari, gazdasági és különösen innovációs alkalmazását jelenti. Felhasználási lehetőségei rendkívül széles körűek, a járműipartól a mezőgazdaságon át az egészségiparig szinte minden ágazatra kiterjednek, ami „forintosítható” haszonnal kecsegtet a gazdaság szereplői számára.
Hozzátette: az ipari matematikai kutatócsoportok több tudományág összefogásával, lényeges matematikai tartalom hozzáadásával érnek el fontos eredményeket.
Forrás: MTI
