ARTIFICIAL NEURAL NETWORKS IN MEDICAL DIAGNOSIS

Nataliya  Matveeva

doi:10.34185/1562-9945-2-133-2021-05

Автор(и)

Наталія Матвєєва

DOI:

https://doi.org/10.34185/1562-9945-2-133-2021-05

Ключові слова:

artificial neural networks, medical diagnosis, multilayer perceptron with back-propagation training, diabetic retinopathy, function of activity

Анотація

Останнім часом штучні нейронні мережі знаходять безліч застосувань в медич-ній діагностиці. У статті розглядаються випадки ренопатіі при цукровому діабеті 2 типу. Це одне з найбільш важких ускладнень цукрового діабету, яке вражає судини сітківки очного яблука.
У якості вхідних даних беруться медичні показники, які характеризують симп-томи хвороби. Багатошарові персептрони (MLP) використовуються в якості класифі-каторів, які вказують на загрозу захворювання.
Створення нейронної мережі виконувалося на мові програмування Java. Для на-вчання MLP спочатку використовувався алгоритм навчання зі зворотним поширенням помилки, потім - алгоритм Левенберга - Марквардта. Були проведені дослідження щодо визначення кращих параметрів мережі, таких як: функції активації вхідних і прихованих нейронів та визначення кількості нейронів в прихованому шарі. В експери-ментах використовувалися гіперболічна тангенціальна функція активації (Hypertan) і логістична сигмоїдальна функція активації (Siglog).
Результати застосування штучних нейронних мереж для діагностики ренопатіі на основі обраних симптомів показують здатність мережі розпізнавати захворюван-ня.
Однак, незважаючи на широке застосування штучних нейронних мереж у сучас-ній діагностиці, їх слід розглядати лише як інструмент, який полегшує остаточне рі-шення клініциста, який в кінцевому результаті несе відповідальність за критичну оцінку результатів мережі.

Посилання

Q. K. Al-Shayea. Artificial neural networks in medical diagnosis. International Journal of Computer Science Issues, 2011, 8.2: 150-154.

E. I. Altman, I. Edward, G. Marco, F. Varetto. Corporate distress diagnosis: Comparisons using linear discriminant analysis and neural networks (the Italian experience). Journal of banking & finance, 1994, 18.3: 505-529.

F. Amato, et al. Artificial neural networks in medical diagnosis. Journal of Applied Biomedicine, 2013, 11.2: 47-58. ISSN 1214-0287.

Haykin S. Neural Networks. A Comprehensive Foundation. Second edition. – New Jersey: Prentice Hall, 2008. -1103 p.

Herbert Schildt Java.The Complete Reference Ninth edition, 2014, 1372 p.

Fábio M. Soares, Alan M.F. Souza, Neural Network Programming with Java, - Birmingham, 2016. -244 p.

Bishop C. M. Neural Networks for Pattern Recognition. Oxford University Press,1995.

Matveeva N.A. Using Neural Networks programming on Java for solving the problem of signal recognition. - Dnipro: «System technologies», 2019. -Вип. 1(110). –S. 25-59.