Вопросы компьютерного зрения и машинного обучения обсудили на Сицилии
В Италии прошла международная летняя школа по компьютерному зрению International Computer Vision Summer School 2019, в которой приняли участие 200 представителей разных стран. В рамках школы были подняты вопросы компьютерного зрения и машинного обучения, конфиденциальности и безопасности, применения компьютерного зрения в беспилотных автомобилях, использования глубоких нейронных сетей для 3D реконструкции объектов, самообучающихся нейронных сетей и т.д. Лекторами школы выступили представители крупных международных технологический компаний и ведущих университетов мира: Google, Amazon, Facebook, University of California at Berkeley, Massachusetts Institute of Technology, University of Cambridge, Max Planck Institute, University of California Los Angeles, Technical University of Munich.В International Computer Vision Summer School 2019 принял участие аспирант физического факультета Антон Стефаниди. Антон представил участникам школы результаты своей исследовательской работы, которая посвящена применению глубоких нейронных сетей в задачах определения патологий желудка на эндоскопических изображениях.
- Этот проект мы реализуем исследовательской группой кафедры инфокоммуникаций и радиофизики ЯрГУ, в которую помимо меня входят аспиранты Ольга Степанова, Антон Лебедев, а также доцент Владимир Хрящев, совместно с врачами Ярославской областной онкологической больницы, - пояснил Антон Стефаниди. Ярославские ученые разработали систему поддержки принятия решений в эндоскопии для пищеварительного тракта. Речь идет о системе искусственного интеллекта, которая помогает врачам диагностировать ранний рак желудка. Использование таких систем в клинической медицине направлено на повышение эффективности диагностики и терапии, а также позволяет уменьшить временные и финансовые затраты при обследовании.
- Система «подсказывает» эндоскописту области, в которых могут находиться злокачественные опухоли и патологии иной формы, - рассказывает Антон Стефаниди. - Специалист более детально осматривает выделенную область и принимает решение, нужно ли проводить дополнительные исследования биологического материала пациента, например, с помощью биопсии.