METODY INTELIGENTNEJ ANALIZY DANYCH Z WYKORZYSTANIEM SIECI NEURONOWYCH W DIAGNOZIE
Volodymyr Lyfar
lifar@snu.edu.uaVolodymyr Dahl East Ukrainian National University (Ukraina)
https://orcid.org/0000-0002-3014-5521
Olena Lyfar
Volodymyr Dahl East Ukrainian National University (Ukraina)
https://orcid.org/0000-0002-3014-5521
Volodymyr Zynchenko
Institute of Telecommunications and Global Information Space (Ukraina)
Abstrakt
Rozważane metody pozwalają na opracowywanie struktury systemów diagnostycznych opartych na sieciach neuronowych oraz wdrażanie systemów wspomagania decyzji w klasyfikacji problemów diagnostycznych. W pracy zastosowano ogólnie specjalistyczne metody eksploracji danych oraz zasady budowy systemu sztucznej inteligencji opartego na sieciach neuronowych.. Zwrócono uwagę na problemy pojawiające się przy wypełnianiu baz wiedzy i szkoleniu sieci neuronowych. Zaproponowano metody opracowywania modeli inteligentnego przetwarzania danych do celów diagnostycznych w oparciu o sieci neuronowe. Autorzy opracowali i zweryfikowali funkcję aktywacji dla pośrednich poziomów neuronowych, która pozwala na wykorzystanie współczynników ważących jako prawdopodobieństw procesów diagnostycznych i pozwala uniknąć problemu minimów lokalnych przy stosowaniu metod gradientowego opadania. Autorzy zidentyfikowali szczególne problemy, które mogą pojawić się podczas praktycznego wdrażania systemu wspomagania decyzji i rozwoju baz wiedzy. Zaproponowano oryginalną funkcję aktywacji warstw pośrednich, otrzymaną w oparciu o modernizację funkcji błędu Gaussa. Doświadczenie w stosowaniu rozważanych metod i modeli pozwala na wdrażanie systemów diagnostycznych sztucznej inteligencji w różnych problemach klasyfikacyjnych.
Słowa kluczowe:
sztuczna inteligencja, sieci neuronowe, diagnostyka, analiza danych, bazy wiedzy, uczenie maszynoweBibliografia
Balogh E. P. et al. (eds.): Improving Diagnosis in Health Care. National Academies Press (US), Washington 2015 [https://doi.org/10.17226/21794].
Google Scholar
Caliskan A., Yuksel M. E.: Classification of Coronary Artery Disease Data Sets by Using a Deep Neural Network. Euro Biotech J 1(4), 2017, 271–277.
Google Scholar
Checcucci E.: Applications of neural networks in urology: a systematic review. Current Opinion in Urology 30(6), 2020, 788–807.
Google Scholar
Glover E.: Artificial Intelligence [https://builtin.com/artificial-intelligence] (available: 28.01.2022).
Google Scholar
Kharlamova N. V. et al.: The use of artificial intelligence to diagnose diseases and predict their outcomes in newborns. Russian Bulletin of Perinatology and Pediatrics, 2023, 108–114.
Google Scholar
Lins A.J.C.C. et al.: Using Artificial Neural Networks to Select the Parameters for the Prognostic of Mild Cognitive Impairment and Dementia in Elderly Individuals. Computer methods and programs in biomedicine 152, 2017, 93–104 [https://doi.org/10.1016/j.cmpb.2017.09.013].
Google Scholar
Mantzaris D. et al.: Artificial Neural Networks for Estimation of Dementias Types. Artif Intell Appl 1(1), 2014, 74–82.
Google Scholar
Mirbabaie M., Stieglitz M.: Artificial intelligence in disease diagnostics: A critical review and classification on the current state of research guiding future direction. Health Technol. 11, 2021, 693–731.
Google Scholar
Rasmy L. et al.: Recurrent neural network models (CovRNN) for predicting outcomes of patients with COVID-19 on admission to hospital: model development and validation using electronic health record data. Lancet Digit Health 4(6), 2022, e415–e425 [https://doi.org/10.1016/S2589-7500(22)00049-8].
Google Scholar
Sanoob M. U. et al.: Artificial Neural Network for Diagnosis of Pancreatic Cancer. IJCI 5(2), 2016, 41–49.
Google Scholar
Sutton R. T., Pincock D., Baumgart D. C.: An overview of clinical decision support systems: benefits, risks, and strategies for success. NPJ Digit. Med. 3(17), 2020.
Google Scholar
Autorzy
Volodymyr Lyfarlifar@snu.edu.ua
Volodymyr Dahl East Ukrainian National University Ukraina
https://orcid.org/0000-0002-3014-5521
Autorzy
Olena LyfarVolodymyr Dahl East Ukrainian National University Ukraina
https://orcid.org/0000-0002-3014-5521
Autorzy
Volodymyr ZynchenkoInstitute of Telecommunications and Global Information Space Ukraina
Statystyki
Abstract views: 21PDF downloads: 10
