'/%3e%3c/svg%3e)
'/%3e%3c/svg%3e)
'/%3e%3c/clipPath%3e%3c/defs%3e%3cg%20id='Group_304'%20data-name='Group%20304'%20clip-path='url(%23clip-path)'%3e%3cg%20id='Group_303'%20data-name='Group%20303'%20transform='translate(0.004%200.005)'%3e%3cpath%20id='Path_77'%20data-name='Path%2077'%20d='M13.5,233.084c4.316-.055,6.742-.349,8.361-1.968s1.914-4.045,1.968-8.361A10.654,10.654,0,0,0,13.5,233.084Zm10.968-10.33c.054,4.316.349,6.742,1.968,8.361s4.045,1.914,8.361,1.968A10.653,10.653,0,0,0,24.472,222.754ZM34.8,233.722c-4.316.053-6.742.349-8.361,1.968s-1.914,4.045-1.968,8.361A10.654,10.654,0,0,0,34.8,233.722Zm-10.968,10.33c-.054-4.316-.349-6.742-1.968-8.361s-4.045-1.915-8.361-1.968A10.654,10.654,0,0,0,23.833,244.052Z'%20transform='translate(-13.504%20-222.754)'%20fill-rule='evenodd'/%3e%3c/g%3e%3c/g%3e%3c/svg%3e)
'%20clip-path='url(%23clip-path)'%3e%3cpath%20id='Path_79'%20data-name='Path%2079'%20d='M10.59,0a5.2,5.2,0,1,0,5.2,5.2A5.208,5.208,0,0,0,10.59,0m0,6.94A1.735,1.735,0,1,1,12.325,5.2,1.728,1.728,0,0,1,10.59,6.94'%20transform='translate(-3.309%200)'/%3e%3cpath%20id='Path_80'%20data-name='Path%2080'%20d='M13.681,30.948a12.8,12.8,0,0,1-4.164,1.465l4.048,4.973a1.684,1.684,0,1,1-2.583,2.159l-3.74-4.588-3.7,4.588a1.64,1.64,0,0,1-1.311.617,1.681,1.681,0,0,1-1.349-.694,1.86,1.86,0,0,1,.077-2.12l4.01-5.012A13.193,13.193,0,0,1,.842,30.87a1.693,1.693,0,0,1,1.7-2.93,9.913,9.913,0,0,0,9.561.039,1.654,1.654,0,0,1,2.275.655,1.747,1.747,0,0,1-.694,2.313'%20transform='translate(0%20-17.03)'/%3e%3c/g%3e%3c/svg%3e)
'%3e%3cpath%20id='Path_90'%20data-name='Path%2090'%20d='M11.177,1.259a9.878,9.878,0,0,0-4.036.865l8.167,8.166a9.942,9.942,0,0,0-5.018,5.019L2.123,7.142a9.911,9.911,0,1,0,9.054-5.883m1.58,14.636a7.312,7.312,0,0,1,3.137-3.137l.767,3.9Z'%20transform='translate(0.211%200.21)'/%3e%3cpath%20id='Path_91'%20data-name='Path%2091'%20d='M5.019,0A9.944,9.944,0,0,0,0,5.019L2.333,7.353A9.944,9.944,0,0,1,7.353,2.333Z'%20transform='translate(0%200)'/%3e%3c/g%3e%3c/svg%3e)
Кратко:
Он учится в 11 классе физико-математической школы при Новосибирском государственном университете.
05.08.2025
Российский школьник научил AI распознавать ретинопатию у недоношенных детей
Тифлокомментарий Елены Керн: цветная фотография. На зеленом офисном диване сидит и работает за ноутбуком Сергей Матвеев. Это молодой шатен плотного телосложения в очках, одетый в черную футболку и джинсы. За спиной юноши на кирпичной стене висят черно-белые портретные фотографии.
Ученик 11 класса физико-математической школы при Новосибирском государственном университете Сергей Матвеев разработал AI-модель, которая может корректно распознавать ретинопатию у недоношенных детей.
Над проектом «Создание и обучение нейросети для бинарной классификации ретинопатии у недоношенных детей по изображениям глазного дна» Сергей работал вместе с научным руководителем, лаборантом Межкафедральной лаборатории инженерного конструирования СУНЦ НГУ Яной Дементьевой, сообщается на портале школы.
«Цель моего проекта заключалась в создании ИИ-инструмента для организаций здравоохранения, который помогает определять патологии сетчатки у новорожденных. В будущем я вижу себя ML-разработчиком в медицинской диагностике, поэтому хотел сделать проект, связанный с этой сферой деятельности», — рассказал Сергей.
Ретинопатия — это поражение сетчатой оболочки глазного яблока. Заболевание может привести к полной потере зрения. Для диагностирования ретинопатии у недоношенных детей сейчас проводят многократные офтальмологические обследования.
«Когда Сергей пришел ко мне, у него уже была идея проекта и, более того, были заготовки данных, с которыми планировалась работа. Чтобы получить рабочую модель, был проведен обзор существующих обработанных и структурированных наборов данных (датасетов) по ретинопатии, расширение и обработка имеющихся данных, проведены тесты обучения модели при разных условиях. <…> Сергей с самого начала работы над проектом показал способность к серьезному самостоятельному исследованию. Я только показывала какие-то примеры, предлагала источники, где можно найти необходимую информацию, и какие-то возможные решения», — отметила научный руководитель Яна Дементьева.
Работая над проектом, Сергей изучал потребности медицинских организаций.
«За время разработки проекта я приобрел начальные навыки для обработки медицинских изображений и обучения нейросетей. Также во время разработки врач-офтальмолог помог мне с классификацией снимков», — добавил старшеклассник.
Сергей разработал пять моделей, каждая тестировалась на 20000 снимках глазного дна с разными степенями ретинопатии. Финальная модель корректно распознает заболевание на 98 снимках из 100.
Ранее исследователи из Саудовской Аравии предложили новую AI-модель обнаружения объектов, которая в перспективе может упростить ориентацию в пространстве для людей с нарушением зрения. Алгоритм на основе искусственного интеллекта позволяет распознавать предметы вокруг с точностью 99,69% — лучше, чем аналоги модели, — и может в будущем лечь в основу умных очков, браслетов или навигационных помощников. Подробности можно прочитать в нашей новости по ссылке.