ИИ и сложнейшие проблемы мира · Медицина и разработка лекарств · Nature (computational biology) · 2026-10-17
Интерпретируемая иерархическая модель глубокого обучения для выявления рака лёгких и толстой кишки
Оригинальное название: An interpretable hierarchical deep learning framework for lung and colon cancer detection
Классификация рака лёгких и толстой кишки по гистопатологическим изображениям затруднена, поскольку классы выглядят похоже, а морфология тканей варьируется, а традиционные модели глубокого обучения обеспечивают мало прозрачности. Авторы разбивают задачу с пятью классами на этапы от грубого к точному: сначала норма против рака, затем специализированный классификатор для категорий нормальной ткани или подтипов рака, причём для каждого этапа выбирается наилучшая архитектура. Модель достигла точности 98.50% на LC25000 и 82.01% на независимом наборе данных LungHist700, а методы Grad-CAM, Grad-CAM++, LIME и Occlusion Sensitivity использовались для выделения областей изображения, на которых основаны её предсказания.