МЕТОД ІНТЕРПРЕТАЦІЇ ОТРИМАНИХ, ЗА МОДЕЛЯМИ ГЛИБОКОГО НАВЧАННЯ, РІШЕНЬ

Анотація

Використання штучного інтелекту (ШІ) у медичній діагностиці відкриває нові можливості для аналізу складних медичних зображень та оптимізації діагностичних процесів. Однією з ключових проблем залишається інтерпретація результатів, отриманих за допомогою систем ШІ, зокрема в медичній практиці, де критично важливо забезпечити прозорість і зрозумілість прийнятих рішень. У цій роботі запропоновано метод візуалізації та інтерпретації результатів класифікації серцевих захворювань на основі аналізу МРТ-зображень із використанням моделей глибокого навчання. Основна мета дослідження – пояснити рішення, отримані за допомогою ШІ, у формі, зручній та зрозумілій для лікарів, що сприяє зниженню суб’єктивності у клінічній практиці.
У процесі роботи були розроблені підходи до візуалізації основних груп медичних показників, таких як об’єми серця, викидна фракція, товщина стінок міокарда, а також співвідношення об’ємів і маси. У досліджені описані числові метрики, які застосовуються у медичній практиці. Для представлення ключових медичних показників було виділено 15 показників та об'єднано у відповідні групи. Для забезпечення інтуїтивно зрозумілого подання результатів використано різноманітні форми візуалізації: кругові діаграми для демонстрації співвідношень, 17-сегментна модель міокарда для аналізу товщини стінок, а також числові показники для точного відображення об’ємів і фракції викиду. Такий підхід дозволяє лікарям швидко оцінити структурні зміни серця та зробити обґрунтовані висновки.
Запропонований метод спрямований на підвищення прозорості та довіри до ШІ шляхом забезпечення зрозумілого подання даних, що, у свою чергу, знижує ризики суб’єктивної інтерпретації та когнітивних упереджень. Отримані результати свідчать, що використання таких візуалізацій може значно полегшити процес прийняття клінічних рішень, підвищити точність діагностики та стандартизувати підходи до аналізу медичних даних.