За 10 дней участия в акселераторе TeensInAI я освоил множество навыков от презентации, общения до программирования и дизайнерского мышления. Я хотел бы поблагодарить Елену Синель за организацию этого мероприятия и за предоставленную всем нам возможность придумывать такие творческие и уникальные решения мировых проблем, а также за веру в нас на каждом этапе пути.

Моя команда решила бороться с раком молочной железы, однако изначально мы начали бороться с бездомностью, но из-за нехватки данных нам пришлось измениться за 4 дня до выступления. Несмотря на этот недостаток, нам удалось создать продукт с использованием нейросети и графического интерфейса. Моя роль в команде была разработчиком, и хотя я знал, как кодировать на Python, я никогда не использовал нейронные сети или какую-либо форму машинного обучения в Python, поэтому мне пришлось учиться очень быстро. Однако я бы не смог так многому научиться без помощи замечательных наставников в программе.

Наша торговая марка — EarlyCatch, и наша цель — использовать классификацию изображений и глубокое обучение для более ранней диагностики рака молочной железы с использованием образцов FNA.

Когда мы впервые занялись этой проблемой, мы сначала нашли данные, потому что не хотели оставаться в том же положении, что и наша последняя попытка; мы не могли создать наш продукт, так как у нас не было достаточно данных. Мы нашли примерно изображения, которые дали как положительный, так и отрицательный результат на рак молочной железы (примерно 2500 для каждого). Несмотря на небольшой объем данных, которые у нас были, мы решили использовать их, так как другого выхода у нас не было. С технической точки зрения мы начали использовать алгоритм логистической регрессии, чтобы лучше всего подобрать данные, что дало нам точность 64%. Однако нам нужна была более высокая ценность, чтобы наш продукт был жизнеспособным в день презентации. Поэтому мы решили использовать метод опорных векторов (SVM), который дал еще более низкую точность — 48%. С помощью ментора мы решили использовать линейную нейросеть и она дала точность 78% — лучший результат, которого мы могли добиться с теми ресурсами, которые у нас были. Изначально мы планировали создать свёрточную нейронную сеть (CNN) и обучить её самостоятельно. Однако для этого требовались большие вычислительные мощности, которых у нас не было.

Последние 10 дней были удивительным путешествием, и я многому научился, я очень благодарен за участие в этой программе.

Джей Патель

технический директор EarlyCatch