— Мне удалось построить 20 разных моделей и сравнить множество архитектур глубокого обучения, чтобы использовать их в работе с рентгеновскими снимками. Был проведен сравнительный анализ множества моделей, включая классические алгоритмы и современные архитектуры нейросетей. Такой подход позволил определить наиболее эффективное решение, учитывающее особенности медицинских изображений, что редко встречается в подобных исследованиях. Так, наиболее эффективные модели для решения задачи диагностики продемонстрировали точность более 90%. Например, получилось добиться 94% точности при помощи модели Inception и 93,2% при помощи модели MobileNet, — пояснила Анастасия Раскопина.
— Мне удалось построить 20 разных моделей и сравнить множество архитектур глубокого обучения, чтобы использовать их в работе с рентгеновскими снимками. Был проведен сравнительный анализ множества моделей, включая классические алгоритмы и современные архитектуры нейросетей. Такой подход позволил определить наиболее эффективное решение, учитывающее особенности медицинских изображений, что редко встречается в подобных исследованиях. Так, наиболее эффективные модели для решения задачи диагностики продемонстрировали точность более 90%. Например, получилось добиться 94% точности при помощи модели Inception и 93,2% при помощи модели MobileNet, — пояснила Анастасия Раскопина.
