РАЗРАБОТКА ГИБРИДНОЙ МОДЕЛИ ГЛУБОКОГО ОБУЧЕНИЯ ДЛЯ МНОГОКЛАССОВОЙ КЛАССИФИКАЦИИ МИКРОСКОПИЧЕСКИХ ИЗОБРАЖЕНИЙ БАКТЕРИЙ: DEVELOPMENT OF A HYBRID DEEP LEARNING MODEL FOR MULTI-CLASS CLASSIFICATION OF MICROSCOPIC IMAGES OF BACTERIA
Данное исследование посвящено задаче автоматической многоклассовой классификации микроскопических изображений бактерий. В работе использован набор данных, включающий 2034 микроскопических изображения, представляющих 33 таксономические группы бактерий. Для обеспечения корректности эксперимента была проведена проверка целостности данных, а также выполнено строгое разбиение на обучающую, валидационную и тестовую выборки с целью исключения утечки информации. Для количественного описания качества и структурных характеристик изображений были вычислены следующие признаки: яркость, контраст, энтропия Шеннона, дисперсия Лапласиана и энергия градиента Собеля. Их различающая способность между классами была проанализирована с использованием критерия Краскела–Уоллиса, что подтвердило статистически значимые различия между таксонами. Качество классификации оценивалось с применением как классических алгоритмов машинного обучения, так и современных архитектур глубокого обучения. Дополнительно была разработана гибридная модель на основе метода multiple instance learning, позволяющая более эффективно учитывать локальные структурные особенности микроскопических
Сведения
- Опубликовано
- 2026 · Т. 7, № 1(25), С. 186-198
- Язык
- Русский
- ISSN
- 2708-2032 · 2708-2040
- Издатель
- International Information Technology University
- Аффилиации
- Волжский Университет им. В.Н. Татищева
ТОО «Smart Soft Kazakhstan», Астана, Казахстан
Казахский агротехнический исследовательский университет имени С. Сейфуллина, Астана, Казахстан
Туркменский сельскохозяйственный университет имени С. А. Ниязова
Атырауский университет имени Х. Досмухамедова, Атырау, Казахстан