Ученые Саратовского национального исследовательского государственного университета им. Н. Г. Чернышевского (СГУ) разработали технологию, позволяющую искусственному интеллекту (ИИ) определять направленную связь между сигналами в условиях шума. Эта инновация поможет врачам более точно подбирать терапию и выявлять сердечно-сосудистые заболевания на ранних стадиях. 
«Метод поиска направленной связи между сигналами необходим в самых различных областях — от медицины и нейронаук до климатологии и инженерии. Например, в кардиологии он помогает понять, как сердце и сосуды взаимодействуют между собой, а в экологии — выявить, какие природные процессы приводят к изменениям климата. Результаты проведенных экспериментов позволят врачам более точно подбирать лечение, отслеживать процесс восстановления пациентов после инфаркта, а также при массовом скрининге выявлять сердечно-сосудистые заболевания на ранних стадиях», — говорится в сообщении.
Ранее для поиска такой связи использовались традиционные математические методы, которые анализируют, улучшает ли знание одного сигнала прогнозирование другого. Однако, как пояснили в Минобрнауки, такие подходы требуют сложных расчетов и зачастую плохо работают с короткими, неполными или сильно зашумленными данными.
Суть разработки
Как рассказали в министерстве, для отработки технологии саратовские исследователи использовали модельные объекты — осцилляторы ван дер Поля. Это математические генераторы колебаний, способные имитировать поведение живых систем или устройств, например, сердечного ритма и электронных генераторов.
В лаборатории ученые создали пары таких модельных объектов — с направленной связью и без. Как отметили в пресс-службе, их сигналы длиной всего 70 секунд подавались на вход трех типов нейросетей: полносвязной, сверточной и рекуррентной. Для усложнения задачи в сигналы добавлялся шум — от легкого фона до 100% от исходной амплитуды.
В результате исследователи установили, что полносвязная нейросеть проявила лучшую устойчивость к шуму, определяя наличие связи даже в сильно зашумленных данных. Сверточная нейросеть лучше фиксировала слабые связи, но хуже работала при значительном шуме. Рекуррентная нейросеть чаще ошибалась, особенно когда связи не было вовсе.
Исследование поддержано грантом Российского научного фонда и входит в программу «Приоритет-2030».
Фото: hi-tech.mail.ru