Статья опубликована в рамках: CCXII Международной научно-практической конференции «Научное сообщество студентов: МЕЖДИСЦИПЛИНАРНЫЕ ИССЛЕДОВАНИЯ» (Россия, г. Новосибирск, 15 мая 2025 г.)
Наука: Медицина
Скачать книгу(-и): Сборник статей конференции
дипломов
GOOGLE COLAB: ПЛАТФОРМА ДЛЯ ОБУЧЕНИЯ И РАЗРАБОТКИ ИИ-МОДЕЛЕЙ В СТОМАТОЛОГИИ
АННОТАЦИЯ
Цифровая трансформация медицины уверенно охватывает и сферу стоматологии. Сегодня не только врачи, но и студенты-медики осваивают современные инструменты искусственного интеллекта (ИИ), чтобы улучшать диагностику и повышать точность лечения. Одной из самых доступных и мощных платформ для обучения и создания ИИ-моделей является Google Colaboratory* (Google Colab*) — облачное решение, открывающее безграничные возможности в разработке проектов на Python с поддержкой машинного обучения, анализа изображений и работы с большими объемами медицинских данных.
ABSTRACT
The digital transformation of medicine is confidently extending into the field of dentistry. Today, not only doctors but also medical students are mastering modern artificial intelligence (AI) tools to improve diagnostics and enhance treatment accuracy. One of the most accessible and powerful platforms for learning and developing AI models is Google Colaboratory* (Google Colab*) — a cloud-based solution that offers limitless opportunities for creating Python projects with support for machine learning, image analysis, and working with large volumes of medical data.
Ключевые слова: искусственный интеллект, стоматология, медицинское образование, Google Colaboratory*, машинное обучение, медицинская визуализация, Python, цифровая трансформация здравоохранения, точность диагностики, анализ медицинских данных.
Keywords: Artificial Intelligence, Dentistry, Medical Education, Google Colaboratory*, Machine Learning, Medical Imaging, Python, Digital Transformation in Healthcare, Diagnostic Accuracy, Medical Data Analysis.
Введение
Развитие искусственного интеллекта (ИИ) открывает новые горизонты в медицине, особенно в диагностике заболеваний с использованием медицинских изображений. Одним из наиболее доступных и эффективных инструментов для обучения и разработки ИИ-моделей является Google Colab* — облачная платформа, предоставляющая возможность запуска кода на Python без необходимости установки локальной среды. Особенно это актуально для студентов, исследователей и медицинских специалистов, не обладающих мощным оборудованием.
Google Colab* — это не просто тетрадь Jupyter в браузере. Это полноценная среда разработки с рядом преимуществ:
- Бесплатный доступ к GPU и TPU, что особенно важно для обучения нейронных сетей;
- Интеграция с Google Drive* — удобно хранить и подключать базы медицинских изображений;
- Поддержка всех популярных библиотек для машинного обучения (TensorFlow, Keras, PyTorch), анализа данных (pandas, NumPy) и визуализации (matplotlib, seaborn);
- Совместная работа онлайн — преподаватели и студенты могут взаимодействовать в одной среде;
- Не требует установки ПО — доступна с любого устройства, где есть интернет.
Одним из перспективных направлений применения ИИ в стоматологии является автоматическое выявление и классификация кариеса по рентгеновским снимкам зубов. Используя Google Colab*, можно реализовать полный цикл создания ИИ-модели — от загрузки изображений до анализа результатов.
1. Базы данных можно загрузить в Google Colab* несколькими способами:
- С Google Drive*: from google.colab import drive drive.mount ('/content/drive')*
- Через интерфейс Colab — вручную;
- Из открытых источников, например, Kaggle.
2. Загрузка и предобработка рентгеновских снимков
Медицинские изображения загружаются в формате .png
или .jpg
. Они проходят этапы предобработки: изменение размера, нормализация, увеличение данных
3. Разметка данных и уровни кариеса
Для обучения модели необходима разметка: каждому снимку присваивается метка уровня кариеса (например: нет кариеса, начальный, средний, глубокий). Это можно оформить в виде CSV-файла.
4. Создание и обучение модели
В Colab можно легко реализовать модель на базе TensorFlow/Keras:
5. Оценка модели
Модель проверяется на тестовом наборе данных. Используются метрики точности (accuracy), полноты (recall), F1-мера.
6. Визуализация и объяснение результатов
Можно использовать библиотеки Grad-CAM, matplotlib для визуализации того, какие участки снимка влияли на решение модели.
Заключение
Google Colab* представляет собой мощный и доступный инструмент для реализации проектов в области ИИ и медицины. Возможность использовать реальные медицинские изображения, такие как рентгеновские снимки зубов, делает его идеальной платформой для обучения студентов, проведения научных исследований и прототипирования решений по автоматической диагностике кариеса. Благодаря Colab, граница между медициной и цифровыми технологиями становится всё тоньше, открывая путь к более точной и быстрой диагностике.
*(По требованию Роскомнадзора информируем, что иностранное лицо, владеющее информационными ресурсами Google является нарушителем законодательства Российской Федерации – прим. ред.)
Список литературы:
- Баранов, А. А., & Соловьёв, И. С. Применение искусственного интеллекта в диагностике стоматологических заболеваний: обзор современных подходов. Журнал "Стоматология", 101(2), 45–52. 2022.
- Зайцева, Н. Ю., & Орлова, И. В. Методы машинного обучения в диагностике заболеваний по медицинским изображениям. Вестник цифровой медицины, 5(3), 23–30. 2021.
- Семёнов, П. И. Использование платформы Google Colab* для обучения студентов медицинских вузов анализу изображений с помощью ИИ. Образование и наука, 12(4), 85–91. 2023.
дипломов
Оставить комментарий