Informatics հանդեսում հրապարակված նոր հետազոտության մեջ գիտնականներն ուսումնասիրել են մեքենայական ուսուցման առաջադեմ տեխնիկայի կիրառումը՝ դեմքի արտահայտություններն իբրև հիվանդի առողջության վատթարացման ցուցանիշ ճանաչելու համար:
Հետազոտության մեջ կիրառվել է համակարգված մեթոդաբանություն՝ մշակելու և գնահատելու երկարաժամկետ հիշողության մոդելը (ConvLSTM)՝ դեմքի արտահայտությունները ճանաչելու համար, հատկապես՝ հիվանդի առողջական վիճակի վատթարացման վերաբերյալ:
Նախ, գերժամանակակից գործիքների կիրառմամբ ստեղծվել է 3D անիմացիոն ավատարների լրակազմ՝ դեմքի տարբեր արտահայտություններով: Այս ավատարները նախագծվել են՝ ընդօրինակելու համար իրական մարդկանց դեմքերը՝ տարբեր հատկանիշներով, մասնավորապես՝ տարիքը, էթնիկ պատկանելությունը և դիմագծերը:
Հետազոտության արդյունքները ցույց են տալիս, որ մշակված գերճշգրիտ երկարաժամկետ-կարճաժամկետ հիշողության (ConvLSTM) մոդելը կարող է ճշգրիտ կանխատեսել առողջության ռիսկերը տպավորիչ 99,89% ճշգրտությամբ, ինչն իր հերթին կարող է բարելավել վաղ ախտորոշումը և հիվանդանոցային պայմաններում բարելավել հիվանդների ապաքինման արդյունքները:
Հետևեք NEWS.am Medicine-ին Facebook-ում և Twitter-ում
ամիս
շաբաթ
օր