Kavya Kopparapu, paauglė gyvenantis Virdžinijoje, naudojo išmanųjį telefoną, 3D spausdintuvą ir dirbtinį intelektą išsivystyti akių diagnozė, nešiojama diagnostikos sistema ir pigu diagnozuoti Diabetinė retinopatija. Ši liga yra diabeto komplikacija, kuri pažeidžia kraujagysles žmogaus tinklainėje ir gali sutrikdyti regėjimą.
Kopparapu visą gyvenimą domėjosi mokslu ir, apsilankiusi Nacionalinio moterų ir informacinių technologijų centro organizuojamose programavimo dirbtuvėse, savo pomėgius papildė programavimu.
Kopparapu senelis, gyvenanti Indijoje, pradėjo rodytis simptomai ligos ligos 2013. Tai dažnai gali likti nepastebėta, ir, nors galiausiai ji buvo diagnozuota ir gydyta, jo regėjimas pablogėjo. Pasak Kopparapu, iš viso Diabetu sergančių žmonių - 415 mln, trečdalis išsivystys diabetinė retinopatijair nors vaistai ir chirurgija gali sustabdyti ar net pakeisti akių pažeidimus, jei laikui bėgant jie užklumpa, 50% nebus diagnozuotapusė sunkių formų pacientų apaks per penkerius metus.
„Diagnozės trūkumas yra didžiausias iššūkis. Indijoje yra programų, kurios siunčia gydytojus į kaimus ir lūšnynus, tačiau yra daug pacientų ir tik daug oftalmologų.
Jis domėjosi, ar yra a paprastas ir nebrangus būdas diagnozuoti ligą, ir atsirado idanozės idėja - sistema, galinti ilgą ir brangią diagnostinę procedūrą paversti paprasta fotosesija. Prieš formuluodamas planą, Kopparapu pradėjo dirbti, praleido daug laiko „Google“ ir el. Laiškus siųsti gydytojams bei tyrėjams. Ji susivienijo su savo broliu ir klasės draugu ir naudojo konvoliucinį neuronų tinklą (CNN) nustatyti diagnostinį AI už akių diagnostikos. Neuroniniai tinklai analizuoti didelius duomenų rinkinius ir ieškoti panašių modelių, Kadangi dizainas yra panašus į žmogaus smegenų regėjimo sistemą, CNN puikiai klasifikuojami.
Savo tinklui kurti jis naudojo „Microsoft“ tyrėjų sukurtą CNN „ResNet-50“ ir naudojo 34.000 XNUMX tinklainės skaitytuvų rasti duomenų bazė „EyeGene“ iš Nacionalinio sveikatos instituto Amerikoje (NIH) kaip mokymosi duomenys, todėl ji ir jos komanda galėtų išmokyti dirbtinio intelekto sistemą atpažinti ligos požymius akių nuotraukose ir nustatyti išankstinę diagnozę. Daugelis duomenų bazės vaizdų buvo blogai eksponuoti arba neryškūs, tačiau, pasak Kopparapu, ši detalė padėjo patobulinti sistemą.
«Vaizdų, naudojamų mokantis neuroninį tinklą, kokybė labai atspindi sąlygas, kurios būtų gautos naudojant išmanųjį telefoną«
Jo komanda apmokė „ResNet-50“ diabetinę retinopatiją nustatyti taip pat tiksliai, kaip tikras patologas. Be to, kiekviename vaizde aptinkamos mikroanurizmos ir kraujagyslės, į diagnozuotą akį nereikia suleisti fluorescuojančių dažų.
Praėjusį rudenį „Aditya Jyot Eye“ Mumbajus ligoninė sutiko išbandyti programą „Eyeagnosis“, o lapkritį į ligoninę išsiuntė pirmąjį 3D spausdintą prototipą, o sistema jau turi hnustatė tikslią diagnozę penkiems pacientams.
Akių diagnozei reikia nueiti ilgą kelią, kad būtų galima diagnozuoti daugybę atvejų ir įrodyti, kad tai patikima sistema. Patvirtinimo procesai, kurių turi laikytis kiekvienas su medicina susijęs projektas, yra labai griežti, ir jums tikrai bus sunku pasiekti, kad didelė įmonė norėtų jums padėti. Tačiau visi šie sunkumai nesumenkina šio paauglio puikių pasiekimų.