Inventory number | IRN | Number of state registration |
---|---|---|
0224РК01202 | BR24993145-OT-24 | 0124РК01241 |
Document type | Terms of distribution | Availability of implementation |
Промежуточный | Gratis | Number of implementation: 0 Not implemented |
Publications | ||
Native publications: 0 | ||
International publications: 0 | Publications Web of science: 0 | Publications Scopus: 0 |
Number of books | Appendicies | Sources |
1 | 0 | 125 |
Total number of pages | Patents | Illustrations |
118 | 0 | 7 |
Amount of funding | Code of the program | Table |
217818694 | О.1409 | 8 |
Code of the program's task under which the job is done | ||
01 | ||
Name of work | ||
Технологии искусственного интеллекта по анализу мультимодальных больших данных для диагностики и прогнозирования рака молочной железы | ||
Report title | ||
Type of work | Source of funding | The product offerred for implementation |
Applied | Технология | |
Report authors | ||
Абдикенов Бейбит Болатгазыевич , Карибеков Темирлан Сибирьевич , Аянбаев Биржан Турарович , Маханов Нұрсұлтан Мендібайұлы , Файзуллин Адиль Рамазанович , Жақсылық Томирис Муслимқызы , Оразаев Ержан Бақтығалиұлы , Жумагожаев Курмаш Жумагожаулы , Сеитова Айгерим , | ||
0
3
1
0
|
||
Customer | МНВО РК | |
Information on the executing organization | ||
Short name of the ministry (establishment) | Нет | |
Full name of the service recipient | ||
Товарищество с ограниченной ответственностью "Astana IT University" | ||
Abbreviated name of the service recipient | "Astana IT University" | |
Abstract | ||
Технологии искусственного интеллекта и модели глубоких нейтронных сетей для диагностики и прогнозирования рака молочной железы. Сүт безі қатерлі ісігін диагностикалау және болжау үшін жасанды интеллект технологиялары және терең нейрондық желі модельдері. Целью нашего исследования является улучшение диагностики рака молочной железы путем разработки технологий искусственного интеллекта с последующим внедрением в клиническую практику. Біздің зерттеуіміздің мақсаты-жасанды интеллект технологияларын әзірлеу арқылы сүт безі қатерлі ісігінің диагностикасын жақсарту, содан кейін клиникалық тәжірибеге енгізу. Сбор и анализ медицинских данных; Молекулярно-генетические методы; Биоинформатические методы; Статистические методы анализа. Медициналық деректерді жинау және талдау; Молекулярлық-генетикалық әдістер; Биоинформатикалық әдістер; Статистикалық талдау әдістері. 1. Проведен литературный обзор по применению глубоких нейронных сетей для скрининга и диагностики рака молочной железы. 2. Получены данные из открытых источников по всем типам данных. 3. Обучены модели глубоких нейронных сетей на данных из открытых источников. 1. Сүт безі обырын скрининг және диагностикалау үшін терең нейрондық желілерді қолдану бойынша әдеби шолу жүргізілді. 2. Барлық деректер түрлері бойынша ашық ақпарат көздерінен деректер жиналды. 3. Ашық ақпарат көздерінен алынған деректер негізінде терең нейрондық желі модельдері оқытылды. Конструктивные показатели: Интеграция данных различных типов: медицинские изображения, генетические данные, лабораторные анализы, клинические записи; Модели объединяют структурированные и неструктурированные данные; Использование мультимодальных алгоритмов глубокого обучения (гибридные модели); Возможности автоматического обновления моделей на основе новых данных (self-learning); Применение трансформеров или свёрточных нейросетей для анализа изображений; Внедрение алгоритмов обработки текста (анамнез, электронные медицинские карты) и числовых данных (анализ биомаркеров). Технико-экономические показатели: Точность определения опухолей: > 85% (в зависимости от данных и моделей); Раннее обнаружение: улучшение выявления на 20–30% по сравнению с традиционными методами; Уменьшение нагрузки на медицинский персонал за счёт автоматизации анализа данных; Снижение затрат на диагностику 15–25%; Повышение шансов на выживание благодаря ранней диагностике: до 20%. Сындарлы көрсеткіштер: Әртүрлі типтегі деректерді біріктіру: медициналық кескіндер, генетикалық деректер, зертханалық зерттеулер, клиникалық жазбалар; Модельдер құрылымдық және құрылымданбаған деректерді біріктіреді; Терең оқытудың мультимодальды алгоритмдерін қолдану (гибридті модельдер); Жаңа деректерге негізделген модельдерді автоматты түрде жаңарту мүмкіндіктері (self-learning); Кескіндерді талдау үшін трансформаторларды немесе конвульсиялық нейрондарды қолдану; Мәтінді өңдеу алгоритмдерін (анамнез, электрондық медициналық карталар) және сандық деректерді (биомаркерлерді талдау) енгізу. Техникалық-экономикалық көрсеткіштер: Ісіктерді анықтау дәлдігі: > 85% (деректер мен үлгілерге байланысты); Ерте анықтау: дәстүрлі әдістермен салыстырғанда анықтауды 20-30% жақсарту; Деректерді талдауды автоматтандыру арқылы медициналық персоналға жүктемені азайту; Диагностика шығындарының төмендеуі 15-25%; Ерте диагностиканың арқасында өмір сүру мүмкіндігін арттыру: 20% дейін. Не внедрено. Енгізілмеген. Высокая. Жоғары. Региональные онкологические диспансеры и научно-исследовательские институты. Аймақтық онкологиялық диспансерлері және ғылыми-зерттеу институттары. |
||
UDC indices | ||
618.19:616-07(004.8)(083.94) | ||
International classifier codes | ||
76.13.23; 50.05.19; | ||
Readiness of the development for implementation | ||
Key words in Russian | ||
Искусственный интеллект; Мультимодальные данные; Обработка медицинских изображений; Глубокие нейронные сети; Система поддержки принятия решений; Рак молочной железы; | ||
Key words in Kazakh | ||
Жасанды сана; Мультимодальды деректер; Медициналық кескіндерді өңдеу; Терең нейрондық желілер; Шешімдерді қолдау жүйесі; Сүт безі қатерлі ісігі; | ||
Head of the organization | Хикметов Аскар Кусупбекович | Кандидат физико-математических наук / |
Head of work | Абдикенов Бейбит Болатгазыевич | Ph.D. / Ph.D. |
Native executive in charge |