Тело расскажет. Студенты омского Политеха создают прогнозирующий анализатор внешних данных человека

Студенты Омского политеха разрабатывают интеллектуальную систему для анализа антропометрических данных, которая может прогнозировать риски серьезных заболеваний, оптимизировать тренировки спортсменов и даже подбирать одежду. Эта разработка, объединяющая медицину, ИТ и дизайн, способна стать незаменимым инструментом для науки, бизнеса и здравоохранения, открывая новые возможности в изучении и использовании параметров человеческого тела.

Антропометрия – метод антропологического исследования, заключающийся в измерении тела человека и его частей с целью установления возрастных, половых, расовых и других особенностей физического строения. Свой вариант программной реализации этого метода и оптимизации возможностей его использования предлагают студенты ОмГТУ,программисты Анна Тупота и Роман Гаделия, а также дизайнерСитораМахсудова по руководством старшего преподавателя кафедры «Автоматизированные системы обработки информации и управления» Ивана Павловича Убалехта. Они работают над созданием интеллектуальной системы по определению антропометрических профилей.

  – Анна, у меня в голове не складывается пазл: Технический университет и  антропометрия, как это коррелируется?

 – Практически все программные решения работают с той или иной прикладной областью (энергетика, финансы, анализ почв для посевов и т.д.), анализ антропометрических характеристик – это одна из прикладных областей.

 – Расскажите, пожалуйста, поподробнее о вашей интеллектуальной системе, как она работает? Почему вы обратились к этой теме, чем она вас заинтересовала?

 – Наш проект – это система на основе машинного обучения, позволяющая прогнозировать ответы, такие как расовый тип, тип одежды, медицинский диагноз, в зависимости от антропометрических характеристик лица и тела подаваемых на вход системы изображений. Его суть в решении задачи классификации. Сейчас наш проект на важном этапе - сбор и анализ информации, на основе которой дальше будет строиться комплексная система. Машинное обучение интересная наука, с которой мы познакомились в начале третьего курса. Постепенно погружаясь в разработку, возникла идея для создания такого продукта.

Благодаря наличию большого количества данных (в нашем случае это изображения), на основе характеристик, выявленных в этих данных с помощью глубоких нейронных сетей, можно получить модель, которая будет давать ответы для каждого конкретного изображения, которое мы подаём на вход системы. Ответами, в зависимости от задачи, могут быть принадлежность лица на изображении к той или иной расе, тот или иной медицинский диагноз и т.д. Ответы обычно даются с приблизительной точностью, поэтому одна из главных задач, при разработки таких систем, это минимизация ошибки в ответах.

• В процессе работы мы достаточно долго искали релевантную литературу для нашего  исследовательского проекта, а именно: антропологические и медицинские исследования (монографии, статьи по цефалометрии и анатомии лица) от зарубежных и отечественных авторов. Также читаем и техническую литературу по компьютерному зрению и цифровой обработке изображений и по глубокому обучению (insidedeeplearning от Эдуарда Раффа - то, что стоит почитать для введения в нейросети)

 Для нашей команды это первый проект такого масштаба: ранее мы публиковали научные статьи по смежным темам, однако ни один из прошлых опытов не был столь комплексным. Тем не менее нынешний проект объединяет несколько дисциплин сразу - от анатомии до компьютерного зрения - и представляет собой наиболее амбициозную нашу разработку на сегодняшний день, - поясняет  Роман Гаделия

О том, в чём заключается конечная цель проекта и будет ли у него продолжение, рассказала Ситора Махсудова.

– Перед нами стоит многогранная цель. Наш проект – это одновременно и стартап, и выпускная квалификационная работа. Ближайшая задача – защита и диплома, и стартапа – выпуск минимально жизнеспособного продукта (MVP). В дальнейшем мы планируем качественно улучшать модель, добавлять новые инструменты и функции. Что касается маркетинга, наша цель – выстроить сотрудничество с целевыми партнёрами: медицинскими организациями, российскими брендами одежды, научно-исследовательскими институтами.

 – Как вы считаете, чем полезны студенческие стартапы? Как они помогают в подготовке будущих специалистов?

– Студенческие стартапы – это отличная возможность для раннего старта в карьере. В нашем быстро меняющемся мире важны скорость и креативность. Пик энтузиазма и прозрения к новейшим идеям часто приходится на студенческую пору, и этот запал важно поддерживать и давать ему простор для развития. Ведь эти идеи – будущее. Будущее каждого из нас, страны и даже всего мира.

Беседовала Марина Неупокоева

Фото предоставлены героями публикации и созданы генератором изображений freepik.com