Исследователи СПбГУ, Университета ИТМО и Военно-медицинской академии имени С.М. Кирова научили алгоритм точнее определять редкие фосфатные камни в почках. Для этого не хватало настоящих данных, и недостающие примеры создала нейросеть.
Мочекаменная болезнь — одна из самых распространённых болезней почек, и после лечения она нередко возвращается. Камни дробят миниатюрным лазером, который вводят в почку через мочевыводящие пути. Мощность подбирают по составу камня. Около 72% камней состоят из оксалатов кальция, 18% — из уратов, около 10% — из фосфатов. Фосфатные камни требуют очень высокой энергии, поэтому их состав важно знать до операции.
Чтобы восполнить этот пробел, исследователи использовали генеративно-состязательную нейросеть. В ней работают две сети: первая создаёт инфракрасные спектры, вторая пытается отличить их от настоящих. Постепенно первая сеть учится выдавать данные, неотличимые от реальных. Так получили 400 синтетических спектров фосфатных камней и добавили их к настоящей обучающей выборке.
На расширенных данных обучили классификатор, основанный на методе опорных векторов (алгоритм, который проводит границы между группами данных). Он делит камни на три класса. С синтетическими спектрами точность распознавания фосфатных камней выросла на 5–10%. Полнота — способность не пропускать такие камни — выросла на 10–20%.
Пока это экспериментальная лабораторная работа на спектрах камней. Результаты опубликованы в научном журнале.
