Central AsianResearch Index

МЕДИЦИНАЛЫҚ ДИАГНОСТИКАДАҒЫ МАШИНАЛЫҚ ОҚЫТУ МОДЕЛЬДЕРІНІҢ ДӘЛДІГІ МЕН ИНТЕРПРЕТАЦИЯСЫН АРТТЫРУ

Бұл жұмыстың мақсаты медицинада қолданылатын машиналық оқыту модельдерінің дәлдігі мен интерпретациясын арттыру болып табылады. Денсаулық сақтау саласындағы соңғы зерттеулерге сәйкес, ересектер арасында ең жиі кездесетін аурулардың бірі – тыныс алу жүйесінің аурулары болғандықтан, мақаладағы зерттеулер тыныс алу органдарының ауруларын диагностикалау үшін қолданылады. Зерттеу заманауи жіктеу және регрессия алгоритмдерін, медициналық деректерді алдын ала өңдеу әдістерін (соның ішінде рентгенография, КТ нәтижелері мен зертханалық талдаулар) және қабылданған шешімдердің ашықтығын қамтамасыз ететін түсіндірме жасанды интеллектке көзқарастарды қарастырады. Пневмония, созылмалы обструктивті өкпе ауруы (СОӨА), бронх демікпесі және туберкулез сияқты ауруларға баса назар аудара отырып, нақты медициналық мәліметтер негізінде әртүрлі модельдердің тиімділігіне талдау жасалды. Модельдердің тиімділігін жақсартуға арналған аугментация әдістерінің түрлері мен қолданылуы зерделенді. Зерттеудің практикалық бөлігі Big Data Analytics құралдарын қолдана отырып модельдерді әзірлеу мен тестілеуді, сондай-ақ олардың дәлдігі мен интерпретациясын салыстырмалы талдауды қамтиды. Зерттеулер тыныс алу жүйесі ауруларын анықтауға бағытталған және National Institutes of Health (NIH) ұсынған Chest X-ray14 деректер жиыны негізінде жүргізілген. Аталған деректер жиынында рентгенологиялық кескіндер мен оларға сәйкес клиникалық белгілер қамтылған, бұл машиналық оқыту әдістерін оқыту мен бағалау үшін тиімді негіз бола алады. Мақалада Convolutional Neural Networks (CNN) архитектурасына негізделген нейрондық желінің көмегімен құрылған диагностикалық модельдердің өнімділігі талданады. Жұмыс клиникалық шешімдерді қолдауға және пульмонологиядағы автоматтандырылған диагностиканың сапасын жақсартуға бағытталған.

Сведения

Опубликовано
2026 · Т. 4, № 145, С. 415-427
Язык
Казахский
ISSN
1609-1817 · 2790-5802
Издатель
JSC Academy of Logistics and Transport