Классификация степени тяжести заболевания на основе искусственных нейронных сетей

Задача автоматической классификации степени тяжести заболеваний является актуальной, так как её решение существенно облегчает работу врача при анализе больших объёмов данных и постановке диагноза. Существуют различные подходы к решению этой задачи. Один из них связан с применением продукционных правил. Продукционные правила расширяют возможности представления знаний в клинической медицине и эффективны при построении диагностических систем. Отмечая перспективность применения продукционных правил, тем не менее, следует заметить, что решение на их основе реальных задач высокого уровня сложности требует больших объёмов вычислений и перестройки структуры системы правил при изменении условий задачи. В то же время в качестве эффективного альтернативного инструмента анализа сложных ситуаций и классификации широкое распространение получили искусственные нейронные сети (ИНС), которые позволяют проводить распознавание и диагностирование различных явлений и объектов высокой сложности путём обучения. В настоящей работе представлено исследование возможности применения различных нейронных сетей для анализа степени тяжести заболеваний на основе прецедентной информации. В частности, решены задачи определения степени тяжести обострения протрузии межпозвонкового диска и определения степени обострения бронхиальной астмы. Для улучшения распознавания обучающая выборка расширяется за счёт создания непротиворечащих условиям задачи дополнительных прецедентов. Использованы искусственные нейронные сети различной конфигурации и с разными функциями активации: однослойный и многослойный персептроны.

медицина, интеллектуальные системы, знания, заболевание, искусственная нейронная сеть, прецедент